更平滑时间序列的自回归
现在，让我们在一个更平滑的信号上重复相同的流程。您将使用与之前相同的「百分比变化」算法，但这次使用更大的窗口（40，而不是 20）。随着窗口变大，相邻时间点之间的差异会变小，从而得到更「平滑」的信号。您认为这会对自回归模型产生什么影响？
prices_perc_shifted 和 model（已更新为使用窗口 40）已在您的工作空间中就绪。
本练习是课程的一部分
Python 中的时间序列机器学习
练习说明
使用您在上一个练习中创建的函数（visualize_coefficients()），以 model 的系数和 prices_perc_shifted 的列名生成一幅图。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Visualize the output data up to "2011-01"
fig, axs = plt.subplots(2, 1, figsize=(10, 5))
y.loc[:'2011-01'].plot(ax=axs[0])
# Run the function to visualize model's coefficients
visualize_coefficients(____, ____, ax=axs[1])
plt.show()