LoslegenKostenlos starten

Ein ARIMA-Modell fitten

In dieser Übung lernst du, wie du beim Zeitreihenmodellieren bequem sein kannst. Anstatt selbst zu differenzieren, das Differenzsignal zu modellieren und anschließend zu integrieren, lässt du einfach statsmodels die harte Arbeit übernehmen.

Du wiederholst die gleiche Aufgabe wie zuvor: die absoluten Werte des Amazon-Aktien-Datensatzes zu prognostizieren – diesmal jedoch mit einem ARIMA-Modell.

Ein Teil des Aktien-Datensatzes steht dir in deiner Umgebung als amazon zur Verfügung, ebenso die Modellklasse ARIMA.

Diese Übung ist Teil des Kurses

<Kurs>ARIMA-Modelle in Python</Kurs>
Kurs ansehen

Übungsanweisungen

  • Erstelle mit der Klasse ARIMA ein ARIMA(2,1,2)-Modell und übergib die Amazon-Aktien-Daten amazon.
  • Fitte das Modell.
  • Erstelle eine Prognose der Mittelwerte der Amazon-Daten für die nächsten 10 Zeitschritte. Weise das Ergebnis arima_value_forecast zu.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Create ARIMA(2,1,2) model
arima = ____

# Fit ARIMA model
arima_results = ____

# Make ARIMA forecast of next 10 values
arima_value_forecast = ____.____(steps=____).____

# Print forecast
print(arima_value_forecast)
Code bearbeiten und ausführen