Să prezicem ratele dobânzilor

Vei folosi acum tehnicile de prognoză pe care le-ai învățat în exercițiul anterior și le vei aplica pe date reale, nu simulate. Vei reveni la un set de date din primul capitol: datele anuale ale ratelor dobânzilor pe 10 ani, care acoperă o perioadă de 56 de ani și sunt stocate într-un obiect Series numit interest_rate_data. Capacitatea de a prognoza ratele dobânzilor este extrem de importantă – nu doar pentru investitorii în obligațiuni, ci și pentru persoane fizice, cum ar fi noii proprietari care trebuie să aleagă între un credit cu rată fixă și unul cu rată variabilă.

Ai observat în primul capitol că ratele dobânzilor prezintă o anumită tendință de revenire la medie pe orizonturi lungi. Cu alte cuvinte, când ratele sunt ridicate, tind să scadă, iar când sunt scăzute, tind să crească în timp. În prezent, ele se află sub nivelurile istorice pe termen lung, deci se estimează că vor crește – un model AR încearcă să cuantifice cât de mult.

Clasa ARIMA și funcția plot_predict au fost deja importate.

Acest exercițiu face parte din cursul

Analiza seriilor de timp în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Creează o instanță a clasei ARIMA numită mod, folosind datele anuale ale ratelor dobânzilor și alegând order corespunzător unui model AR(1).
Antrenează modelul mod cu metoda .fit() și salvează rezultatul într-un obiect numit res.
Reprezintă grafic datele și prognozele in-sample și out-of-sample folosind funcția plot_predict().
- Primul argument al funcției plot_predict() trebuie să fie modelul antrenat.
- Transmite argumentele start=0 pentru a începe prognoza in-sample de la început și alege end egal cu '2027' pentru a prognoza câțiva ani în viitor.
- Reține că argumentul end cu valoarea 2027 trebuie scris între ghilimele, deoarece reprezintă o dată și nu o poziție întreagă.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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()

Editează și rulează codul