Phương pháp Box–Jenkins

Mô hình ARIMA với Python

James Fulton

Climate informatics researcher

Phương pháp Box–Jenkins

Từ dữ liệu thô $\rightarrow$ mô hình triển khai

• nhận diện
• ước lượng
• chẩn đoán mô hình

Nhận diện

• Chuỗi thời gian có dừng không?
• Sai phân nào làm nó dừng?
• Biến đổi nào làm nó dừng?
• Giá trị p và q nào hứa hẹn nhất?

Công cụ nhận diện

• Vẽ chuỗi thời gian
  • df.plot()
• Dùng kiểm định Dickey–Fuller tăng cường
  • adfuller()
• Dùng biến đổi và/hoặc sai phân
  • df.diff(), np.log(), np.sqrt()
• Vẽ ACF/PACF
  • plot_acf(), plot_pacf()

Ước lượng

• Dùng dữ liệu để ước lượng hệ số mô hình
• model.fit() thực hiện cho ta
• Chọn giữa các mô hình bằng AIC và BIC
  • results.aic, results.bic

Chẩn đoán mô hình

• Phần dư có không tương quan không?
• Phần dư có phân phối chuẩn không?
  • results.plot_diagnostics()
  • results.summary()

Quyết định

Lặp lại

• Lặp lại quy trình với nhiều thông tin hơn
• Tìm mô hình tốt hơn

Triển khai

• Sẵn sàng dự báo
  • results.get_forecast()

Box–Jenkins

Ayo berlatih!

Mô hình ARIMA với Python