Prognoze cu modelul MA

La fel ca în cazul modelelor AR, vei folosi modele MA pentru a realiza prognoze în eșantion și în afara eșantionului, utilizând funcția plot_predict() din statsmodels.

Pentru seria simulată simulated_data_1 cu \(\small \theta=-0.9\), vei reprezenta grafic prognoze în eșantion și în afara eșantionului. O diferență importantă față de modelele AR(1) este că, pentru un model MA(1), prognozele cu mai mult de o perioadă în viitor sunt pur și simplu media eșantionului.

Acest exercițiu face parte din cursul

Analiza seriilor de timp în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Importă clasa ARIMA și funcția plot_predict
Creează o instanță a clasei ARIMA numită mod, folosind datele simulate simulated_data_1 și ordinul (p,d,q) al modelului (în acest caz, pentru un MA(1)), order=(0,0,1)
Antrenează modelul mod folosind metoda .fit() și salvează rezultatele într-un obiect numit res
Reprezintă grafic datele în eșantion începând cu punctul de date 950
Reprezintă grafic prognozele în afara eșantionului și intervalele de încredere folosind funcția plot_predict(), începând cu punctul de date 950 și terminând prognoza la punctul 1010

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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()

Editează și rulează codul