Zacznij terazZacznij za darmo

Estymacja

W poprzednim ćwiczeniu wykresy ACF i PACF były nieco niejednoznaczne. Wyniki sugerują, że dane mogą odpowiadać modelowi ARMA(p,q) lub niedoskonałemu modelowi AR(3). W tym ćwiczeniu przeszukasz różne rzędy modeli, aby znaleźć ten najlepszy według kryterium AIC.

Szereig czasowy savings został wczytany, a klasa ARIMA jest już zaimportowana do twojego środowiska.

To ćwiczenie jest częścią kursu

Modele ARIMA w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Utwórz pętlę po wartościach p od 0 do 3 oraz wartościach q od 0 do 3.
  • Wewnątrz pętli utwórz model ARMA(p,q).
  • Następnie dopasuj model do szeregu czasowego savings.
  • Na końcu każdej iteracji wypisz wartości p i q oraz AIC i BIC.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Loop over p values from 0-3
for p in ____:
  
  # Loop over q values from 0-3
    for q in ____:
      try:
        # Create and fit ARMA(p,q) model
        model = ____(____, order=____)
        results = ____
        
        # Print p, q, AIC, BIC
        print(____)
        
      except:
        print(p, q, None, None)
Edytuj i uruchom kod