ARMA データの生成
この演習では、100 日分の AR/MA/ARMA データを生成します。実世界のアプリケーションでは、このデータは Google の株価の変化、ニューヨーク市のエネルギー需要、インフルエンザの症例数などを表すことがあります。
ワークスペースで利用できる arma_generate_sample() 関数を使うと、さまざまな AR と MA の係数で時系列を生成できます。
任意の ARMA(p,q) モデルについて、次を思い出してください。
- リスト
ar_coefsの形式は[1, -a_1, -a_2, ..., -a_p]です。 - リスト
ma_coefsの形式は[1, m_1, m_2, ..., m_q]です。
ここで、a_i はラグ i の AR 係数、m_j はラグ j の MA 係数です。
この演習はコースの一部です
Pythonで学ぶARIMAモデル
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Import data generation function and set random seed
from statsmodels.tsa.arima_process import arma_generate_sample
np.random.seed(1)
# Set coefficients
ar_coefs = [____]
ma_coefs = [____]
# Generate data
y = arma_generate_sample(____, ____, nsample=____, scale=0.5)
plt.plot(y)
plt.ylabel(r'$y_t$')
plt.xlabel(r'$t$')
plt.show()