Método Box-Jenkins

Modelos ARIMA en Python

James Fulton

Climate informatics researcher

El método Box-Jenkins

De datos brutos $\rightarrow$ modelo en producción

  • identificación
  • estimación
  • diagnóstico del modelo
Modelos ARIMA en Python

Identificación

  • ¿La serie temporal es estacionaria?
  • ¿Qué diferenciación la haría estacionaria?
  • ¿Qué transformaciones la harían estacionaria?
  • ¿Qué valores de p y q son más prometedores?

Modelos ARIMA en Python

Herramientas de identificación

  • Dibuja la serie temporal
    • df.plot()
  • Usa la prueba aumentada de Dickey-Fuller
    • adfuller()
  • Aplica transformaciones y/o diferenciación
    • df.diff(), np.log(), np.sqrt()
  • Grafica ACF/PACF
    • plot_acf(), plot_pacf()

Modelos ARIMA en Python

Estimación

  • Usa los datos para ajustar los coeficientes del modelo
  • model.fit() lo hace por ti
  • Elige entre modelos con AIC y BIC
    • results.aic, results.bic

Modelos ARIMA en Python

Diagnóstico del modelo

  • ¿Los residuos están incorrelados?
  • ¿Los residuos siguen una distribución normal?
    • results.plot_diagnostics()
    • results.summary()

Modelos ARIMA en Python

Decisión

Modelos ARIMA en Python

Repetir

  • Repetimos el proceso con más información
  • Encuentra un modelo mejor

Modelos ARIMA en Python

Producción

  • Listo para hacer predicciones
    • results.get_forecast()

Modelos ARIMA en Python

Box-Jenkins

Modelos ARIMA en Python

¡Vamos a practicar!

Modelos ARIMA en Python

Preparing Video For Download...