Previsão com o modelo MA

Assim como fez com os modelos AR, você usará os modelos MA para prever dados dentro e fora da amostra usando a função plot_predict() em statsmodels.

Para a série simulada simulated_data_1 com \(\small \theta=-0.9\), você traçará previsões dentro e fora da amostra. Uma grande diferença que você verá entre as previsões fora da amostra com um modelo MA(1) e um modelo AR(1) é que as previsões MA(1) de mais de um período no futuro são simplesmente a média da amostra.

Este exercício faz parte do curso

Análise de séries temporais em Python

Ver curso

Instruções do exercício

Importe a classe ARIMA e também importe a função plot_predict
Crie uma instância da classe ARIMA chamada mod usando os dados simulados simulated_data_1 e a ordem (p,d,q) do modelo (nesse caso, para um MA(1)), order=(0,0,1)
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 com o ponto de dados 950 e terminando a previsão no ponto 1010

Exercício interativo prático

Experimente este exercício completando 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 MA(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 o código