Estymacja modelu MA

Wyestymujesz parametr MA(1), \(\small \theta\), dla jednej z symulowanych szeregów czasowych wygenerowanych we wcześniejszym ćwiczeniu. Ponieważ parametry szeregów symulowanych są znane, to dobry sposób na zapoznanie się z procedurami estymacji przed zastosowaniem ich do rzeczywistych danych.

Dla simulated_data_1 z prawdziwą wartością \(\small \theta\) równą -0,9 wyświetlisz estymowaną wartość \(\small \theta\). Ponadto wyświetlisz również pełne wyniki uzyskiwane po dopasowaniu szeregu czasowego, aby zobaczyć, jakie inne testy i statystyki podsumowujące są dostępne w bibliotece statsmodels.

To ćwiczenie jest częścią kursu

Analiza szeregów czasowych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zaimportuj klasę ARIMA z modułu statsmodels.tsa.arima.model.
Utwórz instancję klasy ARIMA o nazwie mod, używając danych symulowanych simulated_data_1 oraz rzędu (p,d,q) modelu – w tym przypadku dla MA(1) jest to order=(0,0,1).
Dopasuj model mod za pomocą metody .fit() i zapisz wynik w obiekcie wynikowym o nazwie res.
Wyświetl pełne podsumowanie wyników, korzystając z metody .summary().
Wyświetl samą estymowaną wartość parametru theta, używając atrybutu .params[1].

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import the ARIMA module from statsmodels
from statsmodels.tsa.arima.model import ARIMA

# Fit an MA(1) model to the first simulated data
mod = ARIMA(___, order=___)
res = mod.___

# Print out summary information on the fit
print(res.___)

# Print out the estimate for the constant and for theta
print("When the true theta=-0.9, the estimate of theta is:")
print(res.___)

Edytuj i uruchom kod