Introdução a séries temporais e estacionariedade

Modelos ARIMA em Python

James Fulton

Climate informatics researcher

Motivação

Séries temporais estão em todo lugar

  • Ciência
  • Tecnologia
  • Negócios
  • Finanças
  • Políticas públicas
Modelos ARIMA em Python

Conteúdo do curso

Você vai aprender

  • Estrutura de modelos ARIMA
  • Como ajustar um modelo ARIMA
  • Como otimizar o modelo
  • Como fazer previsões
  • Como calcular a incerteza nas previsões
Modelos ARIMA em Python

Carregar e plotar

import pandas as pd
import matplotlib as plt

df = pd.read_csv('time_series.csv', index_col='date', parse_dates=True)

date            values
2019-03-11    5.734193    
2019-03-12    6.288708    
2019-03-13    5.205788    
2019-03-14    3.176578
Modelos ARIMA em Python

Tendência

fig, ax = plt.subplots()
df.plot(ax=ax)
plt.show()

Modelos ARIMA em Python

Sazonalidade

Modelos ARIMA em Python

Ciclicidade

Modelos ARIMA em Python

Ruído branco

Série de ruído branco tem valores não correlacionados

  • Cara, cara, cara, coroa, cara, coroa, ...
  • 0.1, -0.3, 0.8, 0.4, -0.5, 0.9, ...
Modelos ARIMA em Python

Estacionariedade

Estacionária

  • Estacionária em tendência: tendência é zero

Não estacionária

Modelos ARIMA em Python

Estacionariedade

Estacionária

  • Estacionária em tendência: tendência é zero
  • Variância constante

Não estacionária

Modelos ARIMA em Python

Estacionariedade

Estacionária

  • Estacionária em tendência: tendência é zero
  • Variância constante
  • Autocorrelação constante

Não estacionária

Modelos ARIMA em Python

Divisão treino-teste

# Dados de treino - tudo até o fim de 2018
df_train = df.loc[:'2018']

# Dados de teste - tudo de 2019 em diante
df_test = df.loc['2019':]
Modelos ARIMA em Python

Vamos praticar!

Modelos ARIMA em Python

Preparing Video For Download...