Estimación y predicción con un modelo AR

Análisis de series temporales en Python

Rob Reider

Adjunct Professor, NYU-Courant Consultant, Quantopian

Estimación de un modelo AR

Para estimar parámetros a partir de datos (simulados)

from statsmodels.tsa.arima_model import ARMA
mod = ARMA(data, order=(1,0))
result = mod.fit()

ARMA está obsoleto y se ha sustituido por ARIMA

from statsmodels.tsa.arima.model import ARIMA
mod = ARIMA(data, order=(1,0,0))
result = mod.fit()

En ARMA, order=(p,q)
En ARIMA, order=(p,d,q)

Estimación de un modelo AR

Salida completa (verdaderos $\large \mu=0$ y $\large \phi=0.9$)
```
print(result.summary())
```

Estimación de un modelo AR

Solo las estimaciones de $\large \mu$ y $\large \phi$ (verdaderos $\large \mu=0$ y $\large \phi=0.9$)
```
print(result.params)
```

array([-0.03605989,  0.90535667])

Predicción con un modelo AR

from statsmodels.graphics.tsaplots import plot_predict
fig, ax = plt.subplots()
data.plot(ax=ax)
plot_predict(result, start='2012-09-27', end='2012-10-06', alpha=0.05, ax=ax)
plt.show()

Argumentos de la función plot_predict()
- El primer argumento es el modelo ajustado
- Pon alpha=None para no mostrar el intervalo de confianza
- Pon ax=ax para dibujar datos y predicción en los mismos ejes

¡Vamos a practicar!

Análisis de series temporales en Python