生成 ARMA 数据
在本练习中，您将生成 100 天的 AR/MA/ARMA 数据。请记住，在真实应用中，这些数据可能是 Google 股价的变化、纽约市的用电需求，或流感病例数。
您可以使用工作区中提供的 arma_generate_sample() 函数，通过不同的 AR 和 MA 系数来生成时间序列。
请记住，对于任意 ARMA(p,q) 模型：
- 列表
ar_coefs的形式为[1, -a_1, -a_2, ..., -a_p]。 - 列表
ma_coefs的形式为[1, m_1, m_2, ..., m_q]，
其中 a_i 是滞后 i 的 AR 系数，m_j 是滞后 j 的 MA 系数。
本练习是课程的一部分
Python 中的 ARIMA 模型
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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()