LoslegenKostenlos starten

Schätzung

In der letzten Übung waren ACF und PACF etwas uneindeutig. Die Ergebnisse deuten darauf hin, dass deine Daten entweder einem ARMA(p,q)-Modell entsprechen könnten oder einem nicht perfekten AR(3)-Modell. In dieser Übung durchsuchst du einige Modellordnungen, um nach AIC das beste Modell zu finden.

Die Zeitreihe savings wurde geladen und die Klasse ARIMA in deine Umgebung importiert.

Diese Übung ist Teil des Kurses

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

Übungsanweisungen

  • Iteriere über Werte von p von 0 bis 3 und über Werte von q von 0 bis 3.
  • Erzeuge innerhalb der Schleife ein ARMA(p,q)-Modell.
  • Passe dann das Modell an die Zeitreihe savings an.
  • Gib am Ende jeder Schleife die Werte von p und q sowie AIC und BIC aus.

Interaktive praktische Übung

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

# Loop over p values from 0-3
for p in ____:
  
  # Loop over q values from 0-3
    for q in ____:
      try:
        # Create and fit ARMA(p,q) model
        model = ____(____, order=____)
        results = ____
        
        # Print p, q, AIC, BIC
        print(____)
        
      except:
        print(p, q, None, None)
Code bearbeiten und ausführen