AIC 和 BIC 对比 ACF 和 PACF
在本练习中，您将对地震时间序列进行基于 AIC-BIC 的阶数搜索。上一节课中，您判断该数据集看起来像一个 AR(1) 过程。现在您将对参数做网格搜索，看看是否能得到相同的结论。该数据集的 ACF 和 PACF 图如下所示。
<\center>ARIMA 模型类和时间序列 DataFrame earthquake 已在您的环境中可用。
本练习是课程的一部分
Python 中的 ARIMA 模型
练习说明
- 遍历
p和q从 0 到 2 的阶数。 - 在循环中使用
try，每次循环对earthquake拟合一个 ARMA(p,q)。 - 在每次循环中打印
p、q以及对应的 AIC 和 BIC。 - 如果模型拟合失败，则打印
p、q、None、None。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Loop over p values from 0-2
for p in ____:
# Loop over q values from 0-2
for q in ____:
try:
# create and fit ARMA(p,q) model
model = ____
results = model.____
# Print order and results
print(p, q, ____, ____)
except:
print(p, q, ____, ____)