Haydi Faiz Oranlarını Tahmin Edelim
Şimdi, bir önceki egzersizde öğrendiğin tahmin tekniklerini simüle edilmiş veriler yerine gerçek verilere uygulayacaksın. İlk bölümdeki bir veri kümesine geri dönüyoruz: son 56 yıla ait 10 yıllık faiz oranlarının yıllık verileri; bu veriler interest_rate_data adlı bir Series içinde. Faiz oranlarını tahmin edebilmek sadece tahvil yatırımcıları için değil, sabit veya değişken faizli ipotek arasında karar vermesi gereken yeni ev sahipleri gibi bireyler için de son derece önemlidir.
İlk bölümde, uzun vadede faiz oranlarında ortalamaya dönüş (mean reversion) olduğunu görmüştün. Başka bir deyişle, faizler yüksek olduğunda düşme, düşük olduğunda ise zamanla yükselme eğilimindedir. Şu an uzun vadeli oranların altında oldukları için yükselmeleri beklenir; ancak bir AR modeli, ne kadar yükselmelerinin beklendiğini nicel olarak tahmin etmeye çalışır.
ARIMA sınıfı ve plot_predict fonksiyonu zaten içe aktarılmış durumda.
Bu egzersiz
Python ile Zaman Serisi Analizi
kursunun bir parçasıdırEgzersiz talimatları
- Yıllık faiz oranı verilerini kullanarak
ARIMAsınıfındanmodadlı bir örnek oluştur ve AR(1) modeli için uygunorderseçimini yap. .fit()yöntemini kullanarakmodmodelini uyarla ve sonuçlarıresadlı bir sonuç nesnesine kaydet.- Veriyi ve verinin örnek içi ile örnek dışı tahminlerini
.plot_predict()fonksiyonu ile görselleştir.plot_predict()fonksiyonunun ilk argümanı uyarlanmış model olmalı.- Örnek içi tahmini baştan başlatmak için
start=0argümanını geçir ve birkaç yıl ileriye tahmin yapmak içinendargümanını '2027' olarak seç. - Dikkat: Burada
endargümanındaki 2027 bir tarih olduğu için tırnak içinde yazılmalı; bir tam sayı konumunu temsil etmiyor.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Forecast interst rates using an AR(1) model
mod = ARIMA(interest_rate_data, order=___)
res = mod.fit()
# Plot the data and the forecast
fig, ax = plt.subplots()
interest_rate_data.plot(ax=ax)
plot_predict(___, start=___, end=___, alpha=None, ax=ax)
plt.show()