Ước lượng và dự báo với mô hình AR

Phân tích chuỗi thời gian với Python

Rob Reider

Adjunct Professor, NYU-Courant Consultant, Quantopian

Ước lượng mô hình AR

Ước lượng tham số từ dữ liệu (mô phỏng)

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

ARMA đã bị loại bỏ, thay bằng ARIMA

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

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

Ước lượng mô hình AR

Kết quả đầy đủ (giá trị thật $\large \mu=0$ và $\large \phi=0.9$)
```
print(result.summary())
```

Ước lượng mô hình AR

Chỉ in ước lượng của $\large \mu$ và $\large \phi$ (giá trị thật $\large \mu=0$ và $\large \phi=0.9$)
```
print(result.params)
```

array([-0.03605989,  0.90535667])

Dự báo với mô hình 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()

Tham số của hàm plot_predict()
- Đối số đầu là mô hình đã fit
- Đặt alpha=None để không có khoảng tin cậy
- Đặt ax=ax để vẽ dữ liệu và dự báo trên cùng trục

Cùng luyện tập nào!

Phân tích chuỗi thời gian với Python