金利を予測してみましょう
ここでは、前の演習で学んだ予測手法を、シミュレーションデータではなく実データに適用します。第1章で扱ったデータセット、過去56年分の10年物金利の年次データに戻ります。これは interest_rate_data という Series に入っています。金利を予測できることは、債券投資家にとってだけでなく、固定金利と変動金利のどちらの住宅ローンを選ぶか判断する新規住宅購入者など、個人にとっても非常に重要です。
第1章で見たように、長期では金利には平均回帰が見られます。つまり、金利が高いと下がり、低いと時間とともに上がる傾向があります。現在は長期金利より低いので上昇が見込まれますが、AR モデルはどの程度上昇が見込まれるかを定量化しようとします。
ARIMA クラスと plot_predict 関数はすでにインポートされています。
この演習はコースの一部です
Pythonで学ぶ時系列解析
演習の手順
- 年次の金利データを使い、AR(1) モデルに対応する
orderを指定して、ARIMAクラスのインスタンスmodを作成します。 .fit()メソッドでモデルmodを推定し、結果オブジェクトをresという名前で保存します。.plot_predict()関数を使って、データとインサンプル予測、アウトオブサンプル予測をプロットします。plot_predict()の第1引数は推定済みモデルにします。- インサンプル予測を最初から表示するために
start=0を渡し、将来数年を予測するためにendは '2027' を指定します。 - ここで
endの 2027 は日付を表し、整数の位置ではないため、必ずクォーテーションで囲む必要があります。
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。
# Forecast interst rates using an AR(1) model
mod = ARIMA(interest_rate_data, order=___)
res = mod.fit()
# Plot the data and the forecast
fig, ax = plt.subplots()
interest_rate_data.plot(ax=ax)
plot_predict(___, start=___, end=___, alpha=None, ax=ax)
plt.show()