產生 ARMA 資料
在這個練習中，你會產生 100 天的 AR／MA／ARMA 資料。記得在真實情境中，這些資料可能是 Google 股價的變動、紐約市的用電需求，或是流感病例數。
你可以使用工作空間中可用的 arma_generate_sample() 函式，透過不同的 AR 與 MA 係數來產生時間序列。
對於任何 ARMA(p,q) 模型，請記得：
ar_coefs的形式為[1, -a_1, -a_2, ..., -a_p]。ma_coefs的形式為[1, m_1, m_2, ..., m_q]，
其中 a_i 是落後 i 期的 AR 係數，m_j 是落後 j 期的 MA 係數。
本練習屬於課程
Python 中的 ARIMA 模型
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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()