Previsão com um modelo AR

Além de estimar os parâmetros de um modelo, como você fez no último exercício, também é possível fazer previsões, tanto dentro quanto fora da amostra, usando statsmodels. O dentro da amostra é uma previsão do próximo ponto de dados usando os dados até aquele ponto, e o fora da amostra prevê qualquer número de pontos de dados no futuro. Você pode plotar os dados previstos usando a função plot_predict(). Você fornece o ponto inicial para a previsão e o ponto final, que pode ser qualquer número de pontos de dados após o término do conjunto de dados.

Para os dados simulados no DataFrame simulated_data_1, com \(\small \phi=0,9\), você traçará previsões fora da amostra e intervalos de confiança em torno dessas previsões.

Este exercício faz parte do curso

Análise de séries temporais em Python

Ver Curso

Instruções de exercício

Importe a classe ARIMA e também importe a função plot_predict
Crie uma instância da classe ARIMA chamada mod usando os dados simulados no DataFrame simulated_data_1 e a ordem (p,d,q) do modelo (nesse caso, para um AR(1)), order=(1,0,0)
Ajuste o modelo mod usando o método .fit() e salve-o em um objeto de resultados chamado res
Trace os dados da amostra começando com o ponto de dados 950
Trace previsões fora da amostra dos dados e intervalos de confiança usando a função plot_predict(), começando onde os dados terminam, no milésimo ponto, e terminando a previsão no ponto 1010

Exercício interativo prático

Experimente este exercício preenchendo este código de exemplo.

# Import the ARIMA and plot_predict from statsmodels
from statsmodels.tsa.arima.model import ARIMA
from statsmodels.graphics.tsaplots import plot_predict

# Forecast the first AR(1) model
mod = ARIMA(___, order=___)
res = mod.fit()

# Plot the data and the forecast
fig, ax = plt.subplots()
simulated_data_1.loc[950:].plot(ax=ax)
plot_predict(res, start=___, end=___, ax=ax)
plt.show()

Editar e executar código