Skatta en MA-modell

Du ska skatta MA(1)-parametern, \(\small \theta\), för en av de simulerade serier som du skapade i den tidigare övningen. Eftersom parametrarna är kända för en simulerad serie är det ett bra sätt att förstå skattningsrutinerna innan du tillämpar dem på verkliga data.

För simulated_data_1 med ett sant \(\small \theta\) på -0,9 skriver du ut skattningen av \(\small \theta\). Dessutom skriver du ut hela utdatan som genereras när du anpassar en tidsserie, så att du får en uppfattning om vilka andra tester och sammanfattningsstatistiker som finns tillgängliga i statsmodels.

Den här övningen är en del av kursen

Tidsserieanalys i Python

Visa kurs

Övningsinstruktioner

Importera klassen ARIMA från modulen statsmodels.tsa.arima.model.
Skapa en instans av klassen ARIMA med namnet mod med hjälp av den simulerade datan simulated_data_1 och modellordningen (p,d,q) – för en MA(1) är det order=(0,0,1).
Anpassa modellen mod med metoden .fit() och spara resultatet i ett resultatobjekt med namnet res.
Skriv ut hela resultatsammanfattningen med metoden .summary().
Skriv ut enbart en skattning av theta-parametern med attributet .params[1].

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import the ARIMA module from statsmodels
from statsmodels.tsa.arima.model import ARIMA

# Fit an MA(1) model to the first simulated data
mod = ARIMA(___, order=___)
res = mod.___

# Print out summary information on the fit
print(res.___)

# Print out the estimate for the constant and for theta
print("When the true theta=-0.9, the estimate of theta is:")
print(res.___)

Redigera och kör kod