Peramalan dengan Model AR

Selain mengestimasi parameter model seperti yang Anda lakukan pada latihan sebelumnya, Anda juga dapat melakukan peramalan, baik in-sample maupun out-of-sample menggunakan statsmodels. Peramalan in-sample adalah prakiraan titik data berikutnya dengan menggunakan data hingga titik tersebut, sedangkan out-of-sample memprakirakan sejumlah titik data di masa depan. Anda dapat memplot data hasil peramalan menggunakan fungsi plot_predict(). Anda memberikan titik awal untuk peramalan dan titik akhir, yang dapat berupa sejumlah titik data setelah himpunan data berakhir.

Untuk data tersimulasi dalam DataFrame simulated_data_1, dengan \(\small \phi=0.9\), Anda akan memplot peramalan out-of-sample dan interval kepercayaan di sekitar peramalan tersebut.

Latihan ini adalah bagian dari kursus

Analisis Deret Waktu dengan Python

Lihat Kursus

Petunjuk latihan

Impor kelas ARIMA dan juga impor fungsi plot_predict
Buat instance kelas ARIMA bernama mod menggunakan data tersimulasi dalam DataFrame simulated_data_1 dan ordo (p,d,q) dari model (dalam hal ini, untuk AR(1)), order=(1,0,0)
Fit model mod menggunakan metode .fit() dan simpan dalam objek hasil bernama res
Plot data in-sample mulai dari titik data ke-950
Plot peramalan out-of-sample dari data beserta interval kepercayaannya menggunakan fungsi plot_predict(), dimulai saat data berakhir pada titik ke-1000, dan akhiri peramalan pada titik ke-1010

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Import the ARIMA and plot_predict from statsmodels
from statsmodels.tsa.arima.model import ARIMA
from statsmodels.graphics.tsaplots import plot_predict

# Forecast the first AR(1) model
mod = ARIMA(___, order=___)
res = mod.fit()

# Plot the data and the forecast
fig, ax = plt.subplots()
simulated_data_1.loc[950:].plot(ax=ax)
plot_predict(res, start=___, end=___, ax=ax)
plt.show()

Edit dan Jalankan Kode