Stima e previsione con un modello AR

Analisi delle serie temporali in Python

Rob Reider

Adjunct Professor, NYU-Courant Consultant, Quantopian

Stima di un modello AR

Stimare i parametri dai dati (simulati)

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

ARMA è deprecato e sostituito da ARIMA

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

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

Stima di un modello AR

Output completo (valori veri $\large \mu=0$ e $\large \phi=0.9$)
```
print(result.summary())
```

Stima di un modello AR

Solo le stime di $\large \mu$ e $\large \phi$ (valori veri $\large \mu=0$ e $\large \phi=0.9$)
```
print(result.params)
```

array([-0.03605989,  0.90535667])

Previsioni con un modello 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()

Argomenti della funzione plot_predict()
- Il primo argomento è il modello stimato
- Imposta alpha=None per nessun intervallo di confidenza
- Imposta ax=ax per tracciare dati e previsione sugli stessi assi

Esercitiamoci!

Analisi delle serie temporali in Python