比较多个 AR 时间序列的 ACF
对于 AR 时间序列，自相关函数会按照 AR 参数的速率呈指数衰减。例如，若 AR 参数 $\small \phi = +0.9\(，则 1 阶自相关为 0.9，2 阶为 \)\small (0.9)^2 = 0.81\(，3 阶为 \)\small (0.9)^3 = 0.729\(，以此类推。AR 参数越小，衰减越陡；若 AR 参数为负，例如 -0.9，衰减的符号会交替翻转，因此 1 阶自相关为 -0.9，2 阶为 \)\small (-0.9)^2 = 0.81\(，3 阶为 \)\small (-0.9)^3 = -0.729$，以此类推。
对象 simulated_data_1 是 AR 参数为 +0.9 的模拟时间序列，simulated_data_2 的 AR 参数为 -0.9，simulated_data_3 的 AR 参数为 0.3。
本练习是课程的一部分
Python 中的时间序列分析
练习说明
- 使用
plot_acf函数并设置 20 个滞后阶数来计算三个模拟数据集的自相关函数（通过设置alpha=1来隐藏置信区间）。
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 plot_acf module from statsmodels
from statsmodels.graphics.tsaplots import plot_acf
# Plot 1: AR parameter = +0.9
plot_acf(___, alpha=1, lags=___)
plt.show()
# Plot 2: AR parameter = -0.9
plot_acf(___, alpha=___, lags=20)
plt.show()
# Plot 3: AR parameter = +0.3
plot_acf(___, alpha=___, lags=___)
plt.show()