LoslegenKostenlos starten

Suche nach Modellordnung

In dieser Übung hast du es mit einem Datensatz zu tun, der wie ein ARMA-Modell aussieht. Die ACF und PACF siehst du im Plot unten. Um die beste Ordnung für dieses Modell zu wählen, wirst du viele mögliche Modellordnungen durchsuchen müssen, um die beste Kombination zu finden.

<\center>

Die Modellklasse ARIMA und das Zeitreihen-DataFrame df stehen dir in deiner Umgebung zur Verfügung.

Diese Übung ist Teil des Kurses

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

Übungsanweisungen

  • Iteriere über die Werte von p von 0–2.
  • Iteriere über die Werte von q von 0–2.
  • Trainiere und fitte ein ARMA(p,q)-Modell.
  • Hänge ein Tupel aus (p,q, AIC-Wert, BIC-Wert) an order_aic_bic an.

Interaktive praktische Übung

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

# Create empty list to store search results
order_aic_bic=[]

# Loop over p values from 0-2
for p in range(____):
  # Loop over q values from 0-2
    for q in range(____):
      	# create and fit ARMA(p,q) model
        model = ARIMA(df, order=____)
        results = model.fit()
        
        # Append order and results tuple
        order_aic_bic.append((____))
Code bearbeiten und ausführen