1 ? 在時間序列中ACF圖和PACF圖是非常重要的兩個概念，如果運用時間序列做建模、交易或者預測的話。這兩個概念是必須的。

2 ? ACF和PACF分別為：自相關函數(系數)和偏自相關函數(系數)。

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

3.1 ? 有時候這張圖是橫躺著的，不過這個不重要，反正一側為小于0的負值范圍，一側為大于0的正值范圍，均值(準確的說是坐標y軸為0，有些橫著的圖，會把x軸和y軸表示出來，值都在x軸上下附近呈現出來)。

3.2 ? 紅色框框部分就是ACF圖，青色框框部分就是PACF圖，其中對應左邊的Autocorrelation就是英文單詞自相關的全稱；Partial Correlation就是英文單詞偏自相關的全稱。

3.3 ? 我們要計算的就是這兩列數值。

3.4 ? 其中紫色箭頭標注出來的是指的2倍標準誤范圍，后面可以用對應的數值是否超過范圍來判斷截尾、拖尾等信息，進而判斷采用哪種模型。

3.5 ? 這里特別注明一下在默認狀態下，這兩根線是如何計算的：

在大樣本下(T很大的時候，這里T指的是樣本的個數；其實準確的說樣本符合均值為0的正太分布)。因此這里的對于ACF或PACF屬于一種分位點檢驗，這個東西在很多baidu可以找到一個正太分布圖，然后左右畫線會得到99%，90%...的分位點，這里的這兩根線就是指的這個。我們這里要做的是雙側對稱檢驗，所以上下兩根線分布式0±分位點的值。分位點=2倍×sqrt開方(1/T)，這里的T指的是樣本的個數，樣本個數指的是原始的那個樣本的個數，不是ACF或PACF計算完的樣本個數。如果某一個值大于2倍標準誤，也就是說大于正態分布左/右的95%分位點，于是，在拒絕域，則拒絕0假設(也就是拒絕均值為0的假設)

例如：樣本共10個，ACF或PACF計算完畢后，他們的數量都為9個，其分為點為：2×sqrt(1/10) = 0.6324555320...，雙側檢驗邊沿值為：(0-0.6324555320,0+0.6324555320) = [-0.6324555320,+0.6324555320](這就是兩根虛線的值)。　　　　(3.5.1)

4. ? ?ACF和PACF算法的實現：

(持續編輯中。。。。。。。。。。)

總結

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))...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。