MAモデルでの予測
ARモデルのときと同様に、statsmodels の plot_predict() 関数を使って、サンプル内とサンプル外のデータを予測します。
\(\small \theta=-0.9\) のシミュレーション系列 simulated_data_1 について、サンプル内とサンプル外の予測をプロットします。MA(1) モデルと AR(1) モデルのサンプル外予測の大きな違いとして、MA(1) では2期先以降の予測がサンプルの平均そのものになる点に注目してください。
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
- クラス
ARIMAをインポートし、関数plot_predictもインポートします - シミュレーションデータ
simulated_data_1を用い、モデルの (p,d,q)（この場合は MA(1)）としてorder=(0,0,1)を指定し、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resに保存します- データ点 950 からサンプル内データをプロットします
plot_predict()関数を使い、データ点 950 から開始し、1010 で終了するサンプル外予測と信頼区間をプロットします
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。
# Import the ARIMA and plot_predict from statsmodels
from statsmodels.tsa.arima.model import ARIMA
from statsmodels.graphics.tsaplots import plot_predict
# Forecast the first MA(1) model
mod = ARIMA(___, order=___)
res = mod.fit()
# Plot the data and the forecast
fig, ax = plt.subplots()
simulated_data_1.loc[950:].plot(ax=ax)
plot_predict(res, start=___, end=___, ax=ax)
plt.show()