CommencerCommencer gratuitement

Générer des données ARMA

Dans cet exercice, vous allez générer 100 jours de données AR/MA/ARMA. N’oubliez pas que, dans des applications réelles, ces données pourraient représenter les variations du cours de l’action Google, les besoins énergétiques de New York, ou le nombre de cas de grippe.

Vous pouvez utiliser la fonction arma_generate_sample() disponible dans votre espace de travail pour générer des séries temporelles avec différents coefficients AR et MA.

Rappelez-vous que pour tout modèle ARMA(p, q) :

  • La liste ar_coefs est de la forme [1, -a_1, -a_2, ..., -a_p].
  • La liste ma_coefs est de la forme [1, m_1, m_2, ..., m_q],

où a_i sont les coefficients AR au retard i et m_j sont les coefficients MA au retard j.

Cet exercice fait partie du cours

Modèles ARIMA en Python

Afficher le cours

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Import data generation function and set random seed
from statsmodels.tsa.arima_process import arma_generate_sample
np.random.seed(1)

# Set coefficients
ar_coefs = [____]
ma_coefs = [____]

# Generate data
y = arma_generate_sample(____, ____, nsample=____, scale=0.5)

plt.plot(y)
plt.ylabel(r'$y_t$')
plt.xlabel(r'$t$')
plt.show()
Modifier et exécuter le code