估計 MA 模型
你將估計先前練習中所產生之其中一組模擬序列的 MA(1) 參數 $\small \theta$。由於模擬序列的參數是已知的，在套用到真實資料之前，這是了解估計流程的好方法。
對於 simulated_data_1，其真實 \(\small \theta\) 為 -0.9，你將印出 \(\small \theta\) 的估計值。此外，當你對時間序列進行擬合時，還會印出整個輸出的內容，讓你了解在 statsmodels 中還有哪些檢定與摘要統計可用。
本練習屬於課程
Python 中的時間序列分析
練習說明
- 從模組
statsmodels.tsa.arima.model匯入類別ARIMA。 - 使用模擬資料
simulated_data_1建立名為mod的ARIMA實例，並指定模型的 (p,d,q) 次數（本題為 MA(1)），也就是order=(0,0,1)。 - 使用
.fit()方法擬合模型mod，並將結果儲存為名為res的結果物件。 - 使用
.summary()方法列印完整的結果摘要。 - 僅列印 theta 參數的估計值，使用
.params[1]屬性。
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 the ARIMA module from statsmodels
from statsmodels.tsa.arima.model import ARIMA
# Fit an MA(1) model to the first simulated data
mod = ARIMA(___, order=___)
res = mod.___
# Print out summary information on the fit
print(res.___)
# Print out the estimate for the constant and for theta
print("When the true theta=-0.9, the estimate of theta is:")
print(res.___)