Vamos a pronosticar los tipos de interés

Ahora vas a usar las técnicas de pronóstico que aprendiste en el ejercicio anterior y aplicarlas a datos reales en lugar de datos simulados. Volverás a un conjunto de datos del primer capítulo: los datos anuales de los tipos de interés a 10 años de los últimos 56 años, que están en una Series llamada interest_rate_data. Poder pronosticar los tipos de interés es de enorme importancia, no solo para los inversores en bonos, sino también para personas como quienes compran su primera vivienda y deben decidir entre una hipoteca a tipo fijo o variable.

Viste en el primer capítulo que existe cierta reversión a la media en los tipos de interés a horizontes largos. En otras palabras, cuando los tipos son altos, tienden a bajar y cuando son bajos, tienden a subir con el tiempo. Actualmente están por debajo de los tipos de largo plazo, así que se espera que suban, pero un modelo AR intenta cuantificar cuánto se espera que suban.

La clase ARIMA y la función plot_predict ya se han importado.

Este ejercicio forma parte del curso

Análisis de series temporales en Python

Ver curso

Instrucciones del ejercicio

Crea una instancia de la clase ARIMA llamada mod usando los datos anuales de tipos de interés y eligiendo el order de un modelo AR(1).
Ajusta el modelo mod usando el método .fit() y guarda el resultado en un objeto de resultados llamado res.
Traza los datos y los pronósticos dentro de la muestra y fuera de la muestra usando la función .plot_predict().
- El primer argumento de plot_predict() debe ser el modelo ajustado.
- Pasa los argumentos start=0 para iniciar el pronóstico dentro de la muestra desde el principio, y elige end como '2027' para pronosticar varios años hacia el futuro.
- Ten en cuenta que el argumento end 2027 debe ir entre comillas aquí, ya que representa una fecha y no una posición entera.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Forecast interst rates using an AR(1) model
mod = ARIMA(interest_rate_data, order=___)
res = mod.fit()

# Plot the data and the forecast
fig, ax = plt.subplots()
interest_rate_data.plot(ax=ax)
plot_predict(___, start=___, end=___, alpha=None, ax=ax)
plt.show()

Editar y ejecutar código