ComeçarComece gratuitamente

Vamos prever as taxas de juros

Agora você usará as técnicas de previsão que aprendeu no último exercício e as aplicará a dados reais em vez de dados simulados. Você revisitará um conjunto de dados do primeiro capítulo: os dados anuais das taxas de juros de 10 anos que remontam a 56 anos, que estão em uma série chamada interest_rate_data. A capacidade de prever as taxas de juros é de enorme importância, não apenas para investidores em títulos, mas também para pessoas físicas, como novos proprietários de imóveis, que precisam decidir entre hipotecas com taxas fixas e flutuantes.

Você viu no primeiro capítulo que há alguma reversão à média nas taxas de juros em horizontes longos. Em outras palavras, quando as taxas de juros são altas, elas tendem a cair e, quando são baixas, tendem a subir ao longo do tempo. Atualmente, elas estão abaixo das taxas de longo prazo, portanto, espera-se que aumentem, mas um modelo AR tenta quantificar o quanto se espera que aumentem.

A classe ARIMA e a função plot_predict já foram importadas.

Este exercício faz parte do curso

Análise de séries temporais em Python

Ver Curso

Instruções de exercício

  • Crie uma instância da classe ARIMA chamada mod usando os dados da taxa de juros anual e escolhendo order para um modelo AR(1).

  • Ajuste o modelo mod usando o método .fit() e salve-o em um objeto de resultados chamado res.

  • Trace os dados e as previsões dentro e fora da amostra dos dados usando a função .plot_predict().

    • O primeiro argumento de plot_predict() deve ser o modelo ajustado.

    • Passe os argumentos start=0 para iniciar a previsão na amostra desde o início e escolha end como "2027" para prever vários anos no futuro.

    • Observe que o argumento end 2027 deve estar entre aspas aqui, pois representa uma data e não uma posição inteira.

Exercício interativo prático

Experimente este exercício preenchendo este código de exemplo.

# Forecast interst rates using an AR(1) model
mod = ARIMA(interest_rate_data, order=___)
res = mod.fit()

# Plot the data and the forecast
fig, ax = plt.subplots()
interest_rate_data.plot(ax=ax)
plot_predict(___, start=___, end=___, alpha=None, ax=ax)
plt.show()
Editar e executar código