Box-Jenkins 方法

Python 中的 ARIMA 模型

James Fulton

Climate informatics researcher

Box-Jenkins 方法

從原始資料 $\rightarrow$ 產線模型

• 辨識
• 估計
• 模型診斷

辨識（Identification）

• 時間序列是定態的嗎？
• 需要哪些差分能讓它定態？
• 需要哪些轉換能讓它定態？
• 哪些 p 與 q 值最有希望？

辨識工具

• 繪製時間序列
  • df.plot()
• 使用擴增 Dickey-Fuller 檢定
  • adfuller()
• 使用轉換與／或差分
  • df.diff(), np.log(), np.sqrt()
• 繪製 ACF／PACF
  • plot_acf(), plot_pacf()

估計（Estimation）

• 使用資料訓練模型係數
• 透過 model.fit() 自動完成
• 用 AIC 與 BIC 在模型間擇優
  • results.aic, results.bic

模型診斷

• 殘差是否不相關？
• 殘差是否近似常態分布？
  • results.plot_diagnostics()
  • results.summary()

決策

重複（Repeat）

• 帶著更多資訊再跑一次流程
• 尋找更佳模型

上線（Production）

• 準備進行預測
  • results.get_forecast()

Box-Jenkins

一起來練習吧！

Python 中的 ARIMA 模型