前回はARとMAをbitcoinのデータに雑に適応させてみました。今回は季節性を持ったデータに使えるSARIMAというモデルまで進めていきます。
ではSARIMAとはなんぞや?という質問についてまず答えます。
- Seasonal AutoRegressive Integrated Moving Averageの略
- ARMA = AR + MA

もう気づきましたでしょうか、そうです。定常性がなくても使いてえええ、という希望に沿ったモデルがARIMAです。とはいえどうやって定常性を無視したわけではないです、上述のとあるテクニックでデータに定常性を持たせてARMAに適応させたモデルになります。つまり、
- ARIMA = AR + MA + データの定常化 = ARMA + データの定常化


diffかshift
を使えば計算できますね。
とはいえ、ARIMAまではOKということにして、今回のテーマSARIMAです。名前の通り季節性を加味したモデルです。パラメータはARIMAのものに加えて次のものが新たに加わります。
- P: Seasonal autoregressive order.
- D: Seasonal difference order.
- Q: Seasonal moving average order.
- m: The number of time steps for a single seasonal period

ちなみに、上の論文は読んでおいたほうがいいかもしれません、特に論文普段読まないよっていう人は特に。前回話したQQ-plotも出てるので親近感湧くかも?
ではコードを見てみましょう。今回のデータは機械学習でいうirisみたいなメジャーなデータです。多分。最後には予測もしてみたのでよかったら応用とかしちゃってください。
でわ。