AIC e BIC vs ACF e PACF
In questo esercizio applicherai una ricerca degli ordini con AIC-BIC per la serie temporale dei terremoti. Nell’ultima lezione hai concluso che questo insieme di dati sembrava un processo AR(1). Eseguirai una grid search sui parametri per vedere se ottieni gli stessi risultati. I grafici di ACF e PACF per questo insieme di dati sono mostrati qui sotto.
<\center>La classe di modelli ARIMA e il DataFrame della serie temporale earthquake sono disponibili nel tuo ambiente.
Questo esercizio fa parte del corso
Modelli ARIMA in Python
Istruzioni dell'esercizio
- Itera sugli ordini di
peqtra 0 e 2. - All’interno del ciclo, prova (
try) ad adattare un ARMA(p,q) aearthquakea ogni iterazione. - Stampa
peqinsieme ad AIC e BIC in ogni iterazione. - Se la procedura di stima del modello fallisce, stampa
p,q,None,None.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Loop over p values from 0-2
for p in ____:
# Loop over q values from 0-2
for q in ____:
try:
# create and fit ARMA(p,q) model
model = ____
results = model.____
# Print order and results
print(p, q, ____, ____)
except:
print(p, q, ____, ____)