เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การหาผลต่างและการ Fit โมเดล ARMA

ในแบบฝึกหัดนี้ คุณจะ fit โมเดล ARMA กับชุดข้อมูลหุ้น Amazon ซึ่งเป็นชุดข้อมูลที่ไม่ stationary อย่างที่เห็นก่อนหน้านี้ คุณจะใช้การหาผลต่าง (differencing) เพื่อทำให้ข้อมูลเป็น stationary แล้วจึง fit โมเดล ARMA

ในหัวข้อถัดไป คุณจะพยากรณ์ผลต่างและนำผลที่ได้ไปพยากรณ์ค่าจริงต่อไป

ข้อมูล time series ของหุ้น Amazon พร้อมใช้งานในสภาพแวดล้อมของคุณในชื่อ amazon และคลาสโมเดล ARIMA ก็พร้อมใช้งานเช่นกัน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

ARIMA Models ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้เมธอด .diff() ของ amazon เพื่อทำให้ time series เป็น stationary โดยหาผลต่างอันดับที่ 1 แล้วอย่าลืมลบค่า NaN ออกด้วยเมธอด .dropna()
  • สร้างโมเดล ARMA(2,2) โดยใช้คลาส ARIMA และส่งข้อมูลที่เป็น stationary แล้วเข้าไป
  • Fit โมเดล

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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())
แก้ไขและรันโค้ด