Peramalan dengan Model MA

Seperti yang Anda lakukan dengan model AR, Anda akan menggunakan model MA untuk meramalkan data in-sample dan out-of-sample menggunakan fungsi plot_predict() di statsmodels.

Untuk deret simulasi simulated_data_1 dengan \(\small \theta=-0.9\), Anda akan membuat plot ramalan in-sample dan out-of-sample. Satu perbedaan besar yang akan Anda lihat antara ramalan out-of-sample dengan model MA(1) dan model AR(1) adalah bahwa ramalan MA(1) untuk lebih dari satu periode ke depan hanyalah rata-rata sampel.

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 simulasi simulated_data_1 dan urutan (p,d,q) model (dalam hal ini, untuk MA(1)), order=(0,0,1)
Fit model mod menggunakan metode .fit() dan simpan dalam objek hasil bernama res
Plot data in-sample mulai dari titik data 950
Plot ramalan out-of-sample dari data beserta interval keyakinannya menggunakan fungsi plot_predict(), mulai dari titik data 950 dan akhiri ramalan pada titik 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 MA(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