LoslegenKostenlos loslegen

Differenzieren und ARMA anpassen

In dieser Übung passt du ein ARMA-Modell auf den Amazon-Aktien-Datensatz an. Wie du schon gesehen hast, ist das ein nicht-stationärer Datensatz. Du verwendest Differenzieren, um ihn stationär zu machen, damit du ein ARMA-Modell anpassen kannst.

Im nächsten Abschnitt erstellst du eine Prognose der Differenzen und nutzt diese, um die tatsächlichen Werte zu prognostizieren.

Die Zeitreihe der Amazon-Aktie ist in deiner Umgebung als amazon verfügbar. Die ARIMA-Modellklasse ist ebenfalls in deiner Umgebung verfügbar.

Diese Übung ist Teil des Kurses

ARIMA-Modelle in Python

Kurs anzeigen

Anleitung zur Übung

  • Verwende die Methode .diff() von amazon, um durch die erste Differenz die Zeitreihe stationär zu machen. Vergiss nicht, die NaN-Werte mit der Methode .dropna() zu entfernen.
  • Erstelle ein ARMA(2,2)-Modell mit der ARIMA-Klasse und übergib die stationären Daten.
  • Passe das Modell an.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Take the first difference of the data
amazon_diff = amazon.____

# Create ARMA(2,2) model
arma = ____

# Fit model
arma_results = ____

# Print fit summary
print(arma_results.summary())
Code bearbeiten und ausführen