चलिए ब्याज दरों का पूर्वानुमान लगाएँ
अब आप पिछले अभ्यास में सीखी हुई फोरकास्टिंग तकनीकों को सिम्युलेटेड डेटा की बजाय वास्तविक डेटा पर लागू करेंगे। आप पहले चैप्टर के एक डेटासेट पर वापस आएँगे: पिछले 56 वर्षों की 10-वर्षीय ब्याज दरों का वार्षिक डेटा, जो interest_rate_data नाम की Series में है। ब्याज दरों का पूर्वानुमान लगा पाना अत्यंत महत्वपूर्ण है — न केवल बॉन्ड निवेशकों के लिए, बल्कि नए गृह-खरीदारों जैसे व्यक्तियों के लिए भी, जिन्हें फिक्स्ड और फ्लोटिंग रेट मॉर्गेज में से चुनना होता है।
आपने पहले चैप्टर में देखा था कि लंबी अवधि में ब्याज दरों में कुछ हद तक मीन रिवर्ज़न होता है। यानी, जब ब्याज दरें ऊँची होती हैं, तो वे गिरने की प्रवृत्ति रखती हैं, और जब वे कम होती हैं, तो समय के साथ बढ़ती हैं। अभी वे दीर्घकालिक दरों से नीचे हैं, इसलिए उनके बढ़ने की अपेक्षा है, लेकिन AR मॉडल यह मापने की कोशिश करता है कि वे कितनी बढ़ेंगी।
क्लास ARIMA और फंक्शन plot_predict पहले से इम्पोर्ट किए जा चुके हैं।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Time Series Analysis
अभ्यास निर्देश
- वार्षिक ब्याज दर डेटा का उपयोग करके
ARIMAक्लास का एक इंस्टेंसmodनाम से बनाएँ औरorderको AR(1) मॉडल के लिए चुनें। .fit()मेथड का उपयोग करके मॉडलmodको फिट करें और परिणामों कोresनाम के ऑब्जेक्ट में सेव करें।- डेटा के साथ इन-सैंपल और आउट-ऑफ-सैंपल फोरकास्ट को
.plot_predict()फंक्शन से प्लॉट करें।plot_predict()का पहला आर्ग्युमेंट फिट हुआ मॉडल होना चाहिए।start=0पास करें ताकि इन-सैंपल फोरकास्ट शुरुआत से शुरू हो, औरendको '2027' रखें ताकि आने वाले कई वर्षों तक फोरकास्ट हो सके।- ध्यान दें कि यहाँ
endआर्ग्युमेंट 2027 को कोट्स में देना ज़रूरी है क्योंकि यह एक तारीख को दर्शाता है, न कि किसी इंटीजर पोज़िशन को।
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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()