MA Modeli ile Tahminleme
AR modellerinde yaptığın gibi, statsmodels içindeki plot_predict() fonksiyonunu kullanarak örnek içi (in-sample) ve örnek dışı (out-of-sample) verileri tahminleyeceksin.
\(\small \theta=-0.9\) olan simulated_data_1 için örnek içi ve örnek dışı tahminleri çizeceksin. MA(1) modelinin örnek dışı tahminleri ile AR(1) modelinin örnek dışı tahminleri arasındaki büyük bir fark, MA(1) için gelecekte birden fazla dönem için yapılan tahminlerin basitçe örneklemin ortalaması olmasıdır.
Bu egzersiz
Python ile Zaman Serisi Analizi
kursunun bir parçasıdırEgzersiz talimatları
ARIMAsınıfını veplot_predictfonksiyonunu içe aktarARIMAsınıfındanmodadında bir örnek oluştur: simüle edilmiş verisimulated_data_1ve modelin (p,d,q) sırası (bu durumda bir MA(1) için)order=(0,0,1)modmodelini.fit()yöntemiyle eğit ve sonuçlarıresadlı bir sonuç nesnesine kaydet- Örnek içi veriyi 950. veri noktasından başlayarak çiz
plot_predict()fonksiyonunu kullanarak örnek dışı tahminleri ve güven aralıklarını çiz; 950. veri noktasından başla ve tahmini 1010. noktada bitir
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Import the ARIMA and plot_predict from statsmodels
from statsmodels.tsa.arima.model import ARIMA
from statsmodels.graphics.tsaplots import plot_predict
# Forecast the first MA(1) model
mod = ARIMA(___, order=___)
res = mod.fit()
# Plot the data and the forecast
fig, ax = plt.subplots()
simulated_data_1.loc[950:].plot(ax=ax)
plot_predict(res, start=___, end=___, ax=ax)
plt.show()