Giới thiệu chuỗi thời gian và tính dừng

Mô hình ARIMA với Python

James Fulton

Climate informatics researcher

Động lực

Chuỗi thời gian ở khắp nơi

  • Khoa học
  • Công nghệ
  • Kinh doanh
  • Tài chính
  • Chính sách
Mô hình ARIMA với Python

Nội dung khóa học

Bạn sẽ học

  • Cấu trúc mô hình ARIMA
  • Cách fit mô hình ARIMA
  • Cách tối ưu mô hình
  • Cách dự báo
  • Cách tính độ bất định của dự đoán
Mô hình ARIMA với Python

Tải và vẽ biểu đồ

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
Mô hình ARIMA với Python

Xu hướng

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

Mô hình ARIMA với Python

Tính mùa vụ

Mô hình ARIMA với Python

Tính chu kỳ

Mô hình ARIMA với Python

Nhiễu trắng

Chuỗi nhiễu trắng có các giá trị không tương quan

  • Sấp, sấp, sấp, ngửa, sấp, ngửa, ...
  • 0.1, -0.3, 0.8, 0.4, -0.5, 0.9, ...
Mô hình ARIMA với Python

Tính dừng

Dừng

  • Dừng theo xu hướng: Xu hướng bằng 0

Không dừng

Mô hình ARIMA với Python

Tính dừng

Dừng

  • Dừng theo xu hướng: Xu hướng bằng 0
  • Phương sai không đổi

Không dừng

Mô hình ARIMA với Python

Tính dừng

Dừng

  • Dừng theo xu hướng: Xu hướng bằng 0
  • Phương sai không đổi
  • Tự tương quan không đổi

Không dừng

Mô hình ARIMA với Python

Chia train-test

# Train data - all data up to the end of 2018
df_train = df.loc[:'2018']

# Test data - all data from 2019 onwards
df_test = df.loc['2019':]
Mô hình ARIMA với Python

Ayo berlatih!

Mô hình ARIMA với Python

Preparing Video For Download...