Verschillen nemen en ARMA fitten
In deze oefening ga je een ARMA-model fitten op de Amazon-aandelengegevens. Zoals je eerder zag, is dit een niet-stationaire gegevensset. Je gebruikt differencing om de reeks stationair te maken, zodat je een ARMA-model kunt fitten.
In de volgende sectie maak je een voorspelling van de verschillen en gebruik je die om de daadwerkelijke waarden te voorspellen.
De tijdreeks van het Amazon-aandeel is beschikbaar in je omgeving als amazon. De ARIMA-modelklasse is ook beschikbaar in je omgeving.
Deze oefening maakt deel uit van de cursus
ARIMA-modellen in Python
Oefeninstructies
- Gebruik de methode
.diff()opamazonom de tijdreeks stationair te maken door het eerste verschil te nemen. Vergeet niet deNaN-waarden te verwijderen met de methode.dropna(). - Maak een ARMA(2,2)-model met de
ARIMA-klasse en geef de stationaire data door. - Fit het model.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Take the first difference of the data
amazon_diff = amazon.____
# Create ARMA(2,2) model
arma = ____
# Fit model
arma_results = ____
# Print fit summary
print(arma_results.summary())