Вступ до часових рядів і стаціонарності

Моделі ARIMA в Python

James Fulton

Climate informatics researcher

Мотивація

Часові ряди всюди

  • Наука
  • Технології
  • Бізнес
  • Фінанси
  • Політика
Моделі ARIMA в Python

Зміст курсу

Ви вивчите

  • Структуру моделей ARIMA
  • Як навчити модель ARIMA
  • Як оптимізувати модель
  • Як будувати прогнози
  • Як оцінювати невизначеність у передбаченнях
Моделі ARIMA в Python

Завантаження і візуалізація

import pandas as pd
import matplotlib as plt

df = pd.read_csv('time_series.csv', index_col='date', parse_dates=True)

date            values
2019-03-11    5.734193    
2019-03-12    6.288708    
2019-03-13    5.205788    
2019-03-14    3.176578
Моделі ARIMA в Python

Тренд

fig, ax = plt.subplots()
df.plot(ax=ax)
plt.show()

Моделі ARIMA в Python

Сезонність

Моделі ARIMA в Python

Циклічність

Моделі ARIMA в Python

Білий шум

Ряд білого шуму має некорельовані значення

  • Орел, орел, орел, решка, орел, решка, ...
  • 0.1, -0.3, 0.8, 0.4, -0.5, 0.9, ...
Моделі ARIMA в Python

Стаціонарність

Стаціонарний

  • Тренд-стаціонарність: тренд дорівнює нулю

Нестаціонарний

Моделі ARIMA в Python

Стаціонарність

Стаціонарний

  • Тренд-стаціонарність: тренд дорівнює нулю
  • Дисперсія стала

Нестаціонарний

Моделі ARIMA в Python

Стаціонарність

Стаціонарний

  • Тренд-стаціонарність: тренд дорівнює нулю
  • Дисперсія стала
  • Автокореляція стала

Нестаціонарний

Моделі ARIMA в Python

Поділ на train/test

# Train data - all data up to the end of 2018
df_train = df.loc[:'2018']

# Test data - all data from 2019 onwards
df_test = df.loc['2019':]
Моделі ARIMA в Python

Давайте потренуємось!

Моделі ARIMA в Python

Preparing Video For Download...