Estimando e prevendo um modelo AR

Análise de séries temporais em Python

Rob Reider

Adjunct Professor, NYU-Courant Consultant, Quantopian

Estimando um modelo AR

Para estimar parâmetros a partir de dados (simulados)

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

ARMA foi descontinuado e substituído por ARIMA

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

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

Estimando um modelo AR

Saída completa (valores verdadeiros $\large \mu=0$ e $\large \phi=0.9$)
```
print(result.summary())
```

Estimando um modelo AR

Apenas as estimativas de $\large \mu$ e $\large \phi$ (valores verdadeiros $\large \mu=0$ e $\large \phi=0.9$)
```
print(result.params)
```

array([-0.03605989,  0.90535667])

Previsões com um 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 da função plot_predict()
- Primeiro argumento é o modelo ajustado
- Defina alpha=None para não ter intervalo de confiança
- Defina ax=ax para plotar dados e previsão no mesmo eixo

Vamos praticar!

Análise de séries temporais em Python