來預測利率吧
現在你要把上一個練習學到的預測技巧，套用到真實資料，而不是模擬資料。你將回到第 1 章用過的資料集：回溯 56 年、10 年期利率的年度資料，已放在名為 interest_rate_data 的 Series 中。能夠預測利率極為重要，不只對債券投資人，對需要在固定與浮動房貸之間做選擇的新屋主等個人也一樣重要。
你在第 1 章看到，利率在長時間尺度上具有平均回復性。也就是說，當利率高時通常會下跌，當利率低時通常會上升。目前利率低於長期水準，因此預期會上升；但 AR 模型會試著量化「預期上升幅度」。
ARIMA 類別與 plot_predict 函式都已經匯入。
本練習屬於課程
Python 中的時間序列分析
練習說明
- 建立一個
ARIMA類別的實例，命名為mod，使用年度利率資料，並選擇 AR(1) 模型對應的order。 - 使用
.fit()配適模型mod，並將結果儲存到名為res的結果物件。 - 使用
.plot_predict()函式繪製資料、樣本內與樣本外的預測。plot_predict()的第 1 個引數應是已配適的模型。- 傳入引數
start=0讓樣本內預測從開頭開始，並將end設為 '2027'，以預測未來數年的表現。 - 注意這裡的
end引數 2027 需要加上引號，因為它代表的是日期而不是整數位置。
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。
# 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()