적합한 모델 선택

Python으로 배우는 시계열 분석

Rob Reider

Adjunct Professor, NYU-Courant Consultant, Quantopian

AR 모델의 차수 파악

AR(p) 모델의 차수는 보통 알 수 없습니다
차수 결정을 위한 두 가지 방법
- 편자기상관함수
- 정보 기준

편자기상관함수 (PACF)

Python에서 PACF 플롯 그리기

ACF와 동일하지만 plt_acf 대신 plot_pacf 사용

모듈 임포트

from statsmodels.graphics.tsaplots import plot_pacf

PACF 플롯
```
plot_pacf(x, lags= 20, alpha=0.05)
```

다양한 AR 모델의 PACF 비교

AR(1)
AR(3)

AR(2)
백색 잡음

정보 기준

정보 기준: 매개변수 수에 따라 적합도를 조정
주요 조정 적합도 측도
- AIC (아카이케 정보 기준)
- BIC (베이즈 정보 기준)

정보 기준

추정 출력 결과

statsmodels에서 정보 기준 가져오기

AR 모델 적합 방법

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

전체 출력 확인
```
result.summary()
```
매개변수만 확인
```
result.params
```
AIC 및 BIC 확인
```
result.aic
result.bic
```

정보 기준

시뮬레이션된 AR(3)을 다양한 AR(p) 모델에 적합
BIC가 가장 낮은 p 선택

연습해 봅시다!

Python으로 배우는 시계열 분석

Preparing Video For Download...