你首先需要決定是否要對時間序列做轉換。在最後這幾個練習中，你會逐步建立對 CO\(_2\) 時間序列的預測。下圖同時繪出這個序列以及另一個電力生產的時間序列。
上面的時間序列中，哪些（如果有的話）應該進行對數轉換？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
直接上手，先了解時間序列最重要的性質。你會認識平穩性，並了解它對 ARMA 模型為何重要。你會學會用肉眼與標準統計檢定來測試平穩性。最後，會學到 ARMA 模型的基本結構，並用它來產生 ARMA 資料並擬合一個 ARMA 模型。
本章接下來的重點，是讓你預測資料中未來的走向。你會學會使用俐落的 statsmodels 套件來擬合 ARMA、ARIMA 與 ARMAX 模型。接著，你會用模型來預測股價充滿不確定性的未來！
在本章中，你將成為一位品味獨到的建模者。你會學會如何從資料本身辨識出有潛力的模型階數；然後在訓練出最有希望的模型後，學會如何從這些已擬合的模型中選出最佳者。你也會學到一套很好的架構，來組織你的時間序列專案。
在最後一章，你會學會如何使用季節性 ARIMA 模型來擬合更複雜的資料。你會學會將資料分解為季節性與非季節性部分，接著把所有 ARIMA 工具整合起來，挑戰最後一個全球性預測任務。
當前練習
