Metoda Box-Jenkins

Modele ARIMA în Python

James Fulton

Climate informatics researcher

Metoda Box-Jenkins

De la date brute $\rightarrow$ model de producție

• identificare
• estimare
• diagnosticarea modelului

Identificare

• Seria de timp este staționară?
• Ce diferențiere o va face staționară?
• Ce transformări o vor face staționară?
• Ce valori ale lui p și q sunt mai promițătoare?

Instrumente de identificare

• Reprezentați grafic seria de timp
  • df.plot()
• Utilizați testul Dickey-Fuller augmentat
  • adfuller()
• Aplicați transformări și/sau diferențiere
  • df.diff(), np.log(), np.sqrt()
• Reprezentați grafic ACF/PACF
  • plot_acf(), plot_pacf()

Estimare

• Utilizați datele pentru a antrena coeficienții modelului
• Realizat automat cu model.fit()
• Comparați modelele folosind AIC și BIC
  • results.aic, results.bic

Diagnosticarea modelului

• Reziduurile sunt necorelate?
• Reziduurile sunt distribuite normal?
  • results.plot_diagnostics()
  • results.summary()

Decizie

Repetare

• Reluăm procesul cu mai multe informații
• Găsim un model mai bun

Producție

• Pregătit pentru prognoze
  • results.get_forecast()

Box-Jenkins

Să exersăm!

Modele ARIMA în Python