差分与拟合 ARMA
在本练习中，您将为 Amazon 股票数据集拟合一个 ARMA 模型。正如之前所见，这是一个非平稳数据集。您将通过差分将其转为平稳序列，从而可以拟合 ARMA 模型。
在下一部分，您将对差分值进行预测，并据此还原预测实际值。
环境中已提供 Amazon 股票时间序列 amazon。ARIMA 模型类也已可用。
本练习是课程的一部分
Python 中的 ARIMA 模型
练习说明
- 使用
amazon的.diff()方法进行一阶差分，使时间序列平稳。别忘了用.dropna()方法删除NaN值。 - 使用
ARIMA类创建一个 ARMA(2,2) 模型，并传入平稳数据。 - 拟合模型。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Take the first difference of the data
amazon_diff = amazon.____
# Create ARMA(2,2) model
arma = ____
# Fit model
arma_results = ____
# Print fit summary
print(arma_results.summary())