来预测利率
现在，您将把上一练习中学到的预测技巧应用到真实数据上，而不是模拟数据。我们将回到第 1 章的数据集：过去 56 年的 10 年期利率年度数据，保存在名为 interest_rate_data 的 Series 中。能够预测利率非常重要，不仅对债券投资者如此，对需要在固定利率和浮动利率按揭之间做出选择的新购房者等个人同样关键。
您在第 1 章中已经看到，长期来看利率存在一定的均值回归。换句话说，当利率较高时往往会回落，而当利率较低时则会逐步上升。目前利率低于长期水平，因此预计会回升，但 AR 模型会尝试量化它预计会上升多少。
类 ARIMA 和函数 plot_predict 已经为您导入。
本练习是课程的一部分
Python 中的时间序列分析
练习说明
- 使用年度利率数据创建一个
ARIMA类的实例，命名为mod，并将order设为 AR(1) 模型所需的取值。 - 通过
.fit()方法拟合模型mod，并将结果保存到名为res的结果对象中。 - 使用
.plot_predict()函数绘制数据以及样本内和样本外的预测。plot_predict()的第一个参数应为拟合后的模型。- 传入参数
start=0以从起始位置开始样本内预测，并将end设为 '2027'，以预测未来若干年。 - 注意，这里的
end参数 2027 代表日期而非整数位置，因此必须使用引号括起。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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()