Předpovídání pomocí AR modelu

Kromě odhadování parametrů modelu, které jsi dělal/a v předchozím cvičení, můžeš také provádět předpovědi – jak in-sample, tak out-of-sample – pomocí knihovny statsmodels. In-sample předpověď odhaduje následující datový bod na základě dat až do daného okamžiku, zatímco out-of-sample předpověď odhaduje libovolný počet datových bodů v budoucnosti. Předpovězená data můžeš vizualizovat pomocí funkce plot_predict(). Zadáš počáteční bod předpovědi a koncový bod, který může být libovolně daleko za koncem datové sady.

Pro simulovaná data v DataFrame simulated_data_1 s hodnotou \(\small \phi=0.9\) vykreslíš out-of-sample předpovědi spolu s intervaly spolehlivosti.

Toto cvičení je součástí kurzu

Analýza časových řad v Pythonu

Zobrazit kurz

Pokyny k cvičení

Importuj třídu ARIMA a funkci plot_predict
Vytvoř instanci třídy ARIMA s názvem mod ze simulovaných dat v DataFrame simulated_data_1 a zadej řád (p,d,q) modelu (v tomto případě AR(1)): order=(1,0,0)
Natrénuj model mod pomocí metody .fit() a výsledek ulož do objektu res
Vykresli in-sample data počínaje datovým bodem 950
Vykresli out-of-sample předpovědi a intervaly spolehlivosti pomocí funkce plot_predict() – začni tam, kde data končí, tedy od 1000. bodu, a ukonči předpověď na bodě 1010

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import the ARIMA and plot_predict from statsmodels
from statsmodels.tsa.arima.model import ARIMA
from statsmodels.graphics.tsaplots import plot_predict

# Forecast the first AR(1) model
mod = ARIMA(___, order=___)
res = mod.fit()

# Plot the data and the forecast
fig, ax = plt.subplots()
simulated_data_1.loc[950:].plot(ax=ax)
plot_predict(res, start=___, end=___, ax=ax)
plt.show()

Upravit a spustit kód