ARモデルの推定と予測

Pythonで学ぶ時系列解析

Rob Reider

Adjunct Professor, NYU-Courant Consultant, Quantopian

ARモデルの推定

データ（シミュレーション）からパラメータを推定する

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

ARMAは非推奨となり、ARIMAに置き換えられた

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

ARMAの場合：order=(p,q)
ARIMAの場合：order=(p,d,q)

ARモデルの推定

完全な出力（真の値 $\large \mu=0$、$\large \phi=0.9$）
```
print(result.summary())
```

ARモデルの推定

$\large \mu$ と $\large \phi$ の推定値のみ（真の値 $\large \mu=0$、$\large \phi=0.9$）
```
print(result.params)
```

array([-0.03605989,  0.90535667])

ARモデルによる予測

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()

plot_predict() 関数の引数
- 第1引数は適合済みモデル
- 信頼区間を非表示にするには alpha=None を設定
- データと予測を同じ軸に描画するには ax=ax を設定

練習しましょう！

Pythonで学ぶ時系列解析