시작하기무료로 시작하기

보간: 중간 시점 예측

이번 연습에서는 다우존스 산업평균지수(DJIA)의 월별 시계열 데이터에 선형 모델을 적합한 뒤, 그 모델을 사용해 일별 데이터에 대한 예측(즉, 보간)을 수행합니다. 그런 다음 예측한 일별 값과 실제 일별 DJIA 데이터를 비교해 볼 거예요.

데이터에 대한 몇 가지 설명입니다. "OHLC"는 "Open-High-Low-Close"의 약자로, 보통 일별 데이터이며 특정 거래일의 시가, 고가, 저가, 종가를 의미합니다. "DayCount"는 데이터 수집 시작일부터의 일수(정수)입니다.

이 연습은 강의의 일부입니다

Python으로 배우는 선형 모델 입문

강의 보기

연습 안내

  • ols()를 사용해 formula="Close ~ DayCount"로 data=df_monthly에 모델을 .fit()하세요.
  • 월별과 일별 Close 값을 예측하기 위해 model_fit.predict()를 각각 df_monthly.DayCount와 df_daily.DayCount에 적용하고, 결과를 각 DataFrame의 새 열 Model에 저장하세요.
  • 미리 정의된 plot_model_with_data를 df_monthly와 df_daily에 각각 한 번씩 적용하고, 표시되는 RSS 값을 비교하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# build and fit a model to the df_monthly data
model_fit = ols('Close ~ DayCount', ____=df_monthly).____()

# Use the model FIT to the MONTHLY data to make a predictions for both monthly and daily data
df_monthly['Model'] = model_fit.____(df_monthly.____)
df_daily['Model'] = model_fit.____(df_daily.____)

# Plot the monthly and daily data and model, compare the RSS values seen on the figures
fig_monthly = plot_model_with_data(____)
fig_daily = plot_model_with_data(____)
코드 편집 및 실행