估計

在上一個練習中，ACF 與 PACF 的結果不太明確。結果顯示你的資料可能符合 ARMA(p,q) 模型，或是略有偏差的 AR(3) 模型。本練習中，你會在部分模型階數上進行搜尋，並依照 AIC 找出最佳模型。

時間序列 savings 已載入，ARIMA 類別也已匯入到你的環境中。

本練習屬於課程

Python 中的 ARIMA 模型

檢視課程

練習說明

將 p 的值從 0 到 3、q 的值從 0 到 3 進行迴圈。
在迴圈內建立一個 ARMA(p,q) 模型。
接著將模型擬合到時間序列 savings。
在每次迴圈結束時，列印 p 與 q 的值，以及 AIC 和 BIC。

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。

# Loop over p values from 0-3
for p in ____:
  
  # Loop over q values from 0-3
    for q in ____:
      try:
        # Create and fit ARMA(p,q) model
        model = ____(____, order=____)
        results = ____
        
        # Print p, q, AIC, BIC
        print(____)
        
      except:
        print(p, q, None, None)

編輯並執行程式碼