Kom igångKom igång gratis

Differentiering och anpassning av ARMA

I den här övningen anpassar du en ARMA-modell till Amazons aktiedataset. Som du sett tidigare är det här ett icke-stationärt dataset. Du använder differentiering för att göra det stationärt, så att du kan anpassa en ARMA-modell.

I nästa avsnitt gör du en prognos för differenserna och använder den för att prognostisera de faktiska värdena.

Amazons aktietidsserie finns tillgänglig i din miljö som amazon. Modellklassen ARIMA är också tillgänglig i din miljö.

Den här övningen är en del av kursen

ARIMA-modeller i Python

Visa kurs

Övningsinstruktioner

  • Använd metoden .diff() på amazon för att göra tidsserien stationär genom att ta den första differensen. Glöm inte att ta bort NaN-värdena med metoden .dropna().
  • Skapa en ARMA(2,2)-modell med klassen ARIMA och skicka in de stationära data.
  • Anpassa modellen.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Take the first difference of the data
amazon_diff = amazon.____

# Create ARMA(2,2) model
arma = ____

# Fit model
arma_results = ____

# Print fit summary
print(arma_results.summary())
Redigera och kör kod