ARIMAモデル入門

Pythonで学ぶARIMAモデル

James Fulton

Climate informatics researcher

非定常時系列の復習

差分系列の予測

差分後に元の時系列を復元する

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

from numpy import cumsum

mean_forecast = cumsum(diff_forecast)

差分後に元の時系列を復元する

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

from numpy import cumsum

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

差分後に元の時系列を復元する

ARIMAモデル

差分を取る
ARMAモデルを当てる
予測を積分する

こんなに手間を省けるか？

はい

ARIMA：自己回帰・和分・移動平均

ARIMAモデルの使い方

from statsmodels.tsa.arima.model import ARIMA

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

p：自己回帰ラグ数
d：差分次数
q：移動平均ラグ数

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

ARIMAモデルの使い方

# 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モデルの使い方

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

差分次数の選び方

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

差分次数の選び方

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

Ayo berlatih!

Pythonで学ぶARIMAモデル