เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การสร้างข้อมูล ARMA

ในแบบฝึกหัดนี้ คุณจะสร้างข้อมูล AR/MA/ARMA เป็นเวลา 100 วัน ในการใช้งานจริง ข้อมูลเหล่านี้อาจเป็นการเปลี่ยนแปลงของราคาหุ้น Google ความต้องการพลังงานของนิวยอร์กซิตี้ หรือจำนวนผู้ป่วยไข้หวัดใหญ่ก็ได้

ใช้ฟังก์ชัน arma_generate_sample() ที่มีอยู่ใน workspace เพื่อสร้างอนุกรมเวลาโดยใช้ค่าสัมประสิทธิ์ AR และ MA ที่แตกต่างกัน

สำหรับโมเดล ARMA(p,q) ใดก็ตาม:

  • ลิสต์ ar_coefs มีรูปแบบ [1, -a_1, -a_2, ..., -a_p]
  • ลิสต์ ma_coefs มีรูปแบบ [1, m_1, m_2, ..., m_q]

โดย a_i คือค่าสัมประสิทธิ์ AR ที่ lag-i และ m_j คือค่าสัมประสิทธิ์ MA ที่ lag-j

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

ARIMA Models ใน Python

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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()
แก้ไขและรันโค้ด