Odhad a prognóza AR modelu

Analýza časových řad v Pythonu

Rob Reider

Adjunct Professor, NYU-Courant Consultant, Quantopian

Odhad AR modelu

Odhad parametrů z dat (simulovaných)

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

ARMA bylo zastaralé a nahrazeno ARIMA

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

Pro ARMA: order=(p,q)
Pro ARIMA: order=(p,d,q)

Odhad AR modelu

Úplný výstup (skutečné $\large \mu=0$ a $\large \phi=0.9$)
```
print(result.summary())
```

Odhad AR modelu

Pouze odhady $\large \mu$ a $\large \phi$ (skutečné $\large \mu=0$ a $\large \phi=0.9$)
```
print(result.params)
```

array([-0.03605989,  0.90535667])

Prognóza pomocí AR modelu

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()

Argumenty funkce plot_predict()
- První argument je natrénovaný model
- alpha=None pro vypnutí intervalu spolehlivosti
- ax=ax pro vykreslení dat a prognózy na stejné ose

Pojďme si procvičit!

Analýza časových řad v Pythonu