शुरू करेंमुफ़्त में शुरू करें

डायनामिक फोरकास्ट बनाना

अब भविष्य में थोड़ा और आगे बढ़ते हैं, डायनामिक प्रेडिक्शंस की ओर. मान लीजिए आप Amazon के स्टॉक प्राइस का अंदाज़ा केवल कल के लिए नहीं, बल्कि अगले हफ्ते या अगले महीने के लिए लगाना चाहते हैं. यहीं डायनामिकल प्रेडिक्शंस काम आते हैं.

वीडियो में आपने देखा था कि लंबे समय के फोरकास्ट्स को सटीक बनाना मुश्किल होता है, क्योंकि शॉक टर्म्स एक-दूसरे में जुड़ते जाते हैं. जितना आगे भविष्य में प्रेडिक्शंस जाते हैं, अनिश्चितता उतनी ही बढ़ती है. स्टॉक डेटा में यह बात खास तौर पर सही होती है, इसलिए इस अभ्यास में आपके प्रेडिक्शंस पिछले अभ्यास जितने सटीक शायद न हों.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में ARIMA Models

पाठ्यक्रम देखें

अभ्यास निर्देश

  • results ऑब्जेक्ट का उपयोग करके हाल के 30 दिनों के लिए डायनामिक प्रेडिक्शंस बनाइए और परिणाम dynamic_forecast में असाइन कीजिए.
  • dynamic_forecast ऑब्जेक्ट के किसी एट्रिब्यूट का उपयोग करके अपने प्रेडिक्शंस को mean_forecast नाम के नए वैरिएबल में असाइन कीजिए.
  • अपने प्रेडिक्शंस के कॉन्फिडेंस इंटरवल्स dynamic_forecast ऑब्जेक्ट से निकालकर confidence_intervals नाम के नए वैरिएबल में असाइन कीजिए.
  • अपने औसत प्रेडिक्शंस प्रिंट कीजिए.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Generate predictions
dynamic_forecast = results.______(____=___, ____=____)

# Extract prediction mean
mean_forecast = ____.____

# Get confidence intervals of predictions
confidence_intervals = ____.____

# Select lower and upper confidence limits
lower_limits = confidence_intervals.loc[:,'lower close']
upper_limits = confidence_intervals.loc[:,'upper close']

# Print best estimate predictions
print(____)
कोड संपादित करें और चलाएँ