การประมาณค่าและพยากรณ์ด้วยโมเดล AR

การวิเคราะห์อนุกรมเวลาด้วย Python

Rob Reider

Adjunct Professor, NYU-Courant Consultant, Quantopian

การประมาณค่าโมเดล AR

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

ARMA ถูกยกเลิกและแทนที่ด้วย ARIMA

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

สำหรับ ARMA ใช้ order=(p,q)
สำหรับ ARIMA ใช้ order=(p,d,q)

การประมาณค่าโมเดล AR

ผลลัพธ์แบบเต็ม (ค่าจริง $\large \mu=0$ และ $\large \phi=0.9$)
```
print(result.summary())
```

การประมาณค่าโมเดล AR

เฉพาะค่าประมาณของ $\large \mu$ และ $\large \phi$ (ค่าจริง $\large \mu=0$ และ $\large \phi=0.9$)
```
print(result.params)
```

array([-0.03605989,  0.90535667])

การพยากรณ์ด้วยโมเดล AR

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()

อาร์กิวเมนต์ของฟังก์ชัน plot_predict()
- อาร์กิวเมนต์แรกคือโมเดลที่ฝึกแล้ว
- กำหนด alpha=None เพื่อไม่แสดงช่วงความเชื่อมั่น
- กำหนด ax=ax เพื่อพล็อตข้อมูลและการพยากรณ์บนแกนเดียวกัน

มาฝึกกันเถอะ!

การวิเคราะห์อนุกรมเวลาด้วย Python