ARIMA 모델 소개

Python으로 배우는 ARIMA 모델

James Fulton

Climate informatics researcher

비정상 시계열 복습

차분 시계열의 예측

차분 후 원시계열 복원

diff_forecast = results.get_forecast(steps=10).predicted_mean

from numpy import cumsum

mean_forecast = cumsum(diff_forecast)

차분 후 원시계열 복원

diff_forecast = results.get_forecast(steps=10).predicted_mean

from numpy import cumsum

mean_forecast = cumsum(diff_forecast) + df.iloc[-1,0]

차분 후 원시계열 복원

ARIMA 모형

차분 수행
ARMA 모형 적합
예측값 적분

이 과정을 줄일 수 있을까요?

가능합니다!

ARIMA - 자기회귀 누적 이동평균

ARIMA 모형 사용하기

from statsmodels.tsa.arima.model import ARIMA

model = ARIMA(df, order=(p,d,q))

p - 자기회귀 시차 수
d - 차분 차수
q - 이동평균 시차 수

ARIMA$(p,0,q)$ = ARMA$(p,q)$

ARIMA 모형 사용하기

# Create model
model = ARIMA(df, order=(2,1,1))

# Fit model
model.fit()

# Make forecast
mean_forecast = results.get_forecast(steps=10).predicted_mean

ARIMA 모형 사용하기

# Make forecast
mean_forecast = results.get_forecast(steps=steps).predicted_mean

차분 차수 선택하기

adf = adfuller(df.iloc[:,0])
print('ADF Statistic:', adf[0])
print('p-value:', adf[1])

ADF Statistic: -2.674
p-value: 0.0784

adf = adfuller(df.diff().dropna().iloc[:,0])
print('ADF Statistic:', adf[0])
print('p-value:', adf[1])

ADF Statistic: -4.978
p-value: 2.44e-05

차분 차수 선택하기

model = ARIMA(df, order=(p,1,q))

연습해 봅시다!

Python으로 배우는 ARIMA 모델