1. Nauka
    2. /
  2. Kursy
    3. /
  3. Modele ARIMA w Pythonie
Connected

ćwiczenie

Generowanie danych ARMA

W tym ćwiczeniu wygenerujesz dane AR/MA/ARMA obejmujące 100 dni. Pamiętaj, że w rzeczywistych zastosowaniach takie dane mogą reprezentować zmiany cen akcji Google, zapotrzebowanie na energię w Nowym Jorku lub liczbę przypadków grypy.

Do generowania szeregów czasowych z różnymi współczynnikami AR i MA możesz użyć funkcji arma_generate_sample() dostępnej w swoim środowisku.

Pamiętaj, że dla dowolnego modelu ARMA(p,q):

  • Lista ar_coefs ma postać [1, -a_1, -a_2, ..., -a_p].
  • Lista ma_coefs ma postać [1, m_1, m_2, ..., m_q],

gdzie a_i to współczynniki AR dla opóźnienia i, a m_j to współczynniki MA dla opóźnienia j.

Instrukcje 1/3

undefined XP
  • 1
    • Ustaw ar_coefs i ma_coefs dla modelu MA(1) ze współczynnikiem MA dla opóźnienia 1 równym -0,7.
    • Wygeneruj szereg czasowy złożony ze 100 wartości.
  • 2
    • Ustaw współczynniki dla modelu AR(2) ze współczynnikami AR dla opóźnień 1 i 2 równymi odpowiednio 0,3 i 0,2.
  • 3
    • Ustaw współczynniki dla modelu o postaci \(y_t = -0.2 y_{t-1} + 0.3 \epsilon_{t-1} + 0.4 \epsilon_{t-2} + \epsilon_t\).