1 ? 在時(shí)間序列中ACF圖和PACF圖是非常重要的兩個(gè)概念，如果運(yùn)用時(shí)間序列做建模、交易或者預(yù)測(cè)的話(huà)。這兩個(gè)概念是必須的。

2 ? ACF和PACF分別為：自相關(guān)函數(shù)(系數(shù))和偏自相關(guān)函數(shù)(系數(shù))。

3 ? 在許多軟件中比如Eviews分析軟件可以調(diào)出某一個(gè)序列的ACF圖和PACF圖，如下：

3.1 ? 有時(shí)候這張圖是橫躺著的，不過(guò)這個(gè)不重要，反正一側(cè)為小于0的負(fù)值范圍，一側(cè)為大于0的正值范圍，均值(準(zhǔn)確的說(shuō)是坐標(biāo)y軸為0，有些橫著的圖，會(huì)把x軸和y軸表示出來(lái)，值都在x軸上下附近呈現(xiàn)出來(lái))。

3.2 ? 紅色框框部分就是ACF圖，青色框框部分就是PACF圖，其中對(duì)應(yīng)左邊的Autocorrelation就是英文單詞自相關(guān)的全稱(chēng)；Partial Correlation就是英文單詞偏自相關(guān)的全稱(chēng)。

3.3 ? 我們要計(jì)算的就是這兩列數(shù)值。

3.4 ? 其中紫色箭頭標(biāo)注出來(lái)的是指的2倍標(biāo)準(zhǔn)誤范圍，后面可以用對(duì)應(yīng)的數(shù)值是否超過(guò)范圍來(lái)判斷截尾、拖尾等信息，進(jìn)而判斷采用哪種模型。

3.5 ? 這里特別注明一下在默認(rèn)狀態(tài)下，這兩根線(xiàn)是如何計(jì)算的：

在大樣本下(T很大的時(shí)候，這里T指的是樣本的個(gè)數(shù)；其實(shí)準(zhǔn)確的說(shuō)樣本符合均值為0的正太分布)。因此這里的對(duì)于ACF或PACF屬于一種分位點(diǎn)檢驗(yàn)，這個(gè)東西在很多baidu可以找到一個(gè)正太分布圖，然后左右畫(huà)線(xiàn)會(huì)得到99%，90%...的分位點(diǎn)，這里的這兩根線(xiàn)就是指的這個(gè)。我們這里要做的是雙側(cè)對(duì)稱(chēng)檢驗(yàn)，所以上下兩根線(xiàn)分布式0±分位點(diǎn)的值。分位點(diǎn)=2倍×sqrt開(kāi)方(1/T)，這里的T指的是樣本的個(gè)數(shù)，樣本個(gè)數(shù)指的是原始的那個(gè)樣本的個(gè)數(shù)，不是ACF或PACF計(jì)算完的樣本個(gè)數(shù)。如果某一個(gè)值大于2倍標(biāo)準(zhǔn)誤，也就是說(shuō)大于正態(tài)分布左/右的95%分位點(diǎn)，于是，在拒絕域，則拒絕0假設(shè)(也就是拒絕均值為0的假設(shè))

例如：樣本共10個(gè)，ACF或PACF計(jì)算完畢后，他們的數(shù)量都為9個(gè)，其分為點(diǎn)為：2×sqrt(1/10) = 0.6324555320...，雙側(cè)檢驗(yàn)邊沿值為：(0-0.6324555320,0+0.6324555320) = [-0.6324555320,+0.6324555320](這就是兩根虛線(xiàn)的值)。　　　　(3.5.1)

4. ? ?ACF和PACF算法的實(shí)現(xiàn)：

(持續(xù)編輯中。。。。。。。。。。)

總結(jié)

以上是生活随笔為你收集整理的python 计量经济包_计量经济与时间序列_ACF与PACF算法解析(Python,TB(交易开拓者))...的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。