その他の変換
時系列を定常にするために最初に試すべき変換は差分です。ただし、常に最適とは限りません。
株価の時系列でよく使われる古典的な変換が、対数リターンです。これは次のように計算します。 $$log\_return ( y_t ) = log \left( \frac{y_t}{y_{t-1}} \right)$$
Amazon の株価時系列はすでに amazon として読み込まれています。次の置き換えで、この DataFrame の対数リターンを計算できます。
- \(y_t \rightarrow\)
amazon - \(y_{t-1} \rightarrow\)
amazon.shift(1) - \(log() \rightarrow\)
np.log()
この演習では、Amazon の株価時系列に対して、対数リターン変換と 1 次差分を比較し、どちらがより定常化に適しているかを確認します。
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。
# Calculate the first difference and drop the nans
amazon_diff = ____
amazon_diff = amazon_diff.dropna()
# Run test and print
result_diff = adfuller(amazon_diff['close'])
print(result_diff)