Kom igångKom igång gratis

Generera ARMA-data

I den här övningen genererar du 100 dagars AR/MA/ARMA-data. I verkliga tillämpningar kan sådan data representera förändringar i Googles aktiekurs, energibehovet i New York City eller antalet influensafall.

Du kan använda funktionen arma_generate_sample() som finns tillgänglig i din arbetsyta för att generera tidsserier med olika AR- och MA-koefficienter.

Kom ihåg att för en modell ARMA(p,q) gäller:

  • Listan ar_coefs har formen [1, -a_1, -a_2, ..., -a_p].
  • Listan ma_coefs har formen [1, m_1, m_2, ..., m_q],

där a_i är AR-koefficienterna för lag-i och m_j är MA-koefficienterna för lag-j.

Den här övningen är en del av kursen

ARIMA-modeller i Python

Visa kurs

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import data generation function and set random seed
from statsmodels.tsa.arima_process import arma_generate_sample
np.random.seed(1)

# Set coefficients
ar_coefs = [____]
ma_coefs = [____]

# Generate data
y = arma_generate_sample(____, ____, nsample=____, scale=0.5)

plt.plot(y)
plt.ylabel(r'$y_t$')
plt.xlabel(r'$t$')
plt.show()
Redigera och kör kod