估计 MA 模型

您将估计先前练习中生成的一条模拟序列的 MA(1) 参数 $\small \theta$。由于模拟序列的参数是已知的，这有助于在处理真实数据之前先理解估计流程。

对于 simulated_data_1（其真实 $\small \theta$ 为 -0.9），请打印出 $\small \theta$ 的估计值。此外，在拟合时间序列时还请打印出完整的输出结果，以便了解 statsmodels 中还提供了哪些检验和汇总统计量。

本练习是课程的一部分

Python 中的时间序列分析

查看课程

练习说明

从模块 statsmodels.tsa.arima.model 导入类 ARIMA。
使用模拟数据 simulated_data_1 和模型的 (p,d,q) 次数（此处为 MA(1)），创建名为 mod 的 ARIMA 类实例，order=(0,0,1)。
使用 .fit() 方法拟合模型 mod，并将结果保存为名为 res 的结果对象。
使用 .summary() 方法打印完整的结果摘要。
仅打印 theta 参数的估计值，使用属性 .params[1]。

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 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.___)

编辑并运行代码