時系列が定常か非定常かを見極めることはとても重要です。定常であれば、ARMAモデルを使って次の値を予測できます。非定常であればARMAモデルは使えませんが、次のレッスンで見るように、多くの場合は非定常な時系列を定常に変換できます。
この演習では、株価と地震に関するデータセットを調べ、どれがARMAモデリングの準備ができているか、どれが定常化のために追加の処理が必要かを判別します。
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
さっそく、時系列の最も重要な性質について学びましょう。ここでは、定常性とは何か、そしてそれが ARMA モデルでなぜ重要かを学びます。目視と標準的な統計検定の両方で定常性を確認する方法も扱います。最後に、ARMA モデルの基本構造を学び、それを使って ARMA データを生成し、ARMA モデルを当てはめます。
現在の演習
この章であなたが行うのは、データの「これから」を予測することです。洗練された statsmodels パッケージを使って、ARMA、ARIMA、ARMAX モデルを当てはめる方法を学びます。そのうえで、作成したモデルを用いて、株価という不確実な未来を予測してみましょう！
この章では、目利きのモデラーになっていきます。データそのものから有望なモデル次数を見極める方法を学び、さらに複数の有望なモデルを学習させた後、その中から最良のモデルを選ぶ方法を学びます。時系列プロジェクトを構造化するための優れたフレームワークについても身につけます。
最終章では、季節性 ARIMA モデルを使って、より複雑なデータに当てはめる方法を学びます。まずデータを季節成分と非季節成分に分解し、最後に学んだ ARIMA のツールを総動員して、グローバルな予測チャレンジに取り組みます。
