AIC a BIC vs. ACF a PACF

V tomto cvičení použiješ prohledávání řádů pomocí AIC a BIC na časové řadě zemětřesení. V předchozí lekci jsi dospěl/a k závěru, že tato data vypadají jako proces AR(1). Pomocí grid search projdeš různé kombinace parametrů a ověříš, zda dospěješ ke stejnému výsledku. ACF a PACF grafy pro tuto datovou sadu jsou zobrazeny níže.

<\center>

Třída modelu ARIMA a DataFrame earthquake s časovou řadou jsou dostupné ve tvém prostředí.

Toto cvičení je součástí kurzu

ARIMA modely v Pythonu

Zobrazit kurz

Pokyny k cvičení

Procházej řády p a q v rozsahu od 0 do 2.
Uvnitř smyčky zkus (try) nafitovat model ARMA(p,q) na datovou sadu earthquake v každé iteraci.
Vypisuj hodnoty p a q spolu s AIC a BIC v každé iteraci.
Pokud fitování modelu selže, vypiš p, q, None, None.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Loop over p values from 0-2
for p in ____:
    # Loop over q values from 0-2
    for q in ____:
      
        try:
            # create and fit ARMA(p,q) model
            model = ____
            results = model.____
            
            # Print order and results
            print(p, q, ____, ____)
            
        except:
            print(p, q, ____, ____)

Upravit a spustit kód