估計與預測 AR 模型

Python 中的時間序列分析

Rob Reider

Adjunct Professor, NYU-Courant Consultant, Quantopian

估計 AR 模型

從資料（模擬）估計參數

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

ARMA 已棄用，改用 ARIMA

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

對 ARMA，order=(p,q)
對 ARIMA，order=(p,d,q)

估計 AR 模型

完整輸出（真值為 $\large \mu=0$、$\large \phi=0.9$）
```
print(result.summary())
```

估計 AR 模型

僅顯示 $\large \mu$ 與 $\large \phi$ 的估計值（真值為 $\large \mu=0$、$\large \phi=0.9$）
```
print(result.params)
```

array([-0.03605989,  0.90535667])

使用 AR 模型進行預測

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()

plot_predict() 函式的引數
- 第 1 個引數是已配適的模型
- 設定 alpha=None 表示不顯示信賴區間
- 設定 ax=ax 可在同一座標軸上繪製資料與預測

一起來練習吧！

Python 中的時間序列分析