ACF 图
如果 GARCH 模型拟合得好，标准化残差应当不表现出自相关。在本练习中，您将练习使用 ACF 图来检测数据中的自相关。
时间序列中两个取值之间的相关系数称为自相关函数（ACF）。ACF 图用于可视化不同滞后之间的相关关系。Python 的 statsmodels 包中有预定义函数，可以方便地生成 ACF 图。
我们已经用 S&P 500 的收益率数据拟合了一个 GARCH 模型，并计算了其标准化残差，保存在 std_resid 中。matplotlib.pyplot 已以 plt 的名称导入。
本练习是课程的一部分
Python 中的 GARCH 模型
练习说明
- 从
statsmodels包中导入用于 ACF 图的模块。 - 绘制保存在
std_resid中的 GARCH 模型标准化残差。 - 生成标准化残差的 ACF 图，并将置信水平设为 0.05。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import the Python module
from statsmodels.graphics.tsaplots import ____
# Plot the standardized residuals
plt.plot(____)
plt.title('Standardized Residuals')
plt.show()
# Generate ACF plot of the standardized residuals
____(std_resid, ____ = ____)
plt.show()