แนะนำโมเดล AR, MA และ ARMA

ARIMA Models ใน Python

James Fulton

Climate informatics researcher

โมเดล AR

โมเดล Autoregressive (AR)

โมเดล AR(1) : $$y_t = a_1 y_{t-1} + \epsilon_t$$

โมเดล AR

โมเดล Autoregressive (AR)

โมเดล AR(1) : $$y_t = a_1 y_{t-1} + \epsilon_t$$

โมเดล AR(2) : $$y_t = a_1 y_{t-1} + a_2 y_{t-2} + \epsilon_t$$

โมเดล AR(p) : $$y_t = a_1 y_{t-1} + a_2 y_{t-2} + ... + a_p y_{t-p} + \epsilon_t$$

โมเดล MA

โมเดล Moving average (MA)

โมเดล MA(1) : $$y_t = m_1 \epsilon_{t-1} + \epsilon_t$$

โมเดล MA(2) : $$y_t = m_1 \epsilon_{t-1} + m_2 \epsilon_{t-2} + \epsilon_t$$

โมเดล MA(q) : $$y_t = m_1 \epsilon_{t-1} + m_2 \epsilon_{t-2} + ... + m_q \epsilon_{t-q} + \epsilon_t$$

โมเดล ARMA

โมเดล Autoregressive moving-average (ARMA)

ARMA = AR + MA

โมเดล ARMA(1,1) : $$y_t = a_1 y_{t-1} + m_1 \epsilon_{t-1} + \epsilon_t$$

ARMA(p, q)

p คืออันดับของส่วน AR
q คืออันดับของส่วน MA

การสร้างข้อมูล ARMA

$$y_t = a_1 y_{t-1} + m_1 \epsilon_{t-1} + \epsilon_t$$

การสร้างข้อมูล ARMA

$$y_t = 0.5 y_{t-1} + 0.2 \epsilon_{t-1} + \epsilon_t$$

from statsmodels.tsa.arima_process import arma_generate_sample

ar_coefs = [1, -0.5]
ma_coefs = [1, 0.2]

y = arma_generate_sample(ar_coefs, ma_coefs, nsample=100, scale=0.5)

การสร้างข้อมูล ARMA

$$y_t = 0.5 y_{t-1} + 0.2 \epsilon_{t-1} + \epsilon_t$$

การ Fit โมเดล ARMA

from statsmodels.tsa.arima.model import ARIMA

# Instantiate model object
model = ARIMA(y, order=(1,0,1))

# Fit model
results = model.fit()

มาฝึกกันเถอะ!

ARIMA Models ใน Python