ARIMA Model ตอนที่ 6: Fitting ARIMA Model

เรามาถึงจุดนี้ได้ยังไง

ผ่านมาทั้งหมด 6 ตอนกว่าจะได้ Fit โมเดล เหมือนเดิมว่าแนะนำให้อ่านตอนก่อนหน้าทั้งหมดก่อนเพื่อความไม่งงนะครับ

ARIMA Model ตอนที่ 1: เข้าใจ ARIMA แบบ Practical

ARIMA Model ตอนที่ 2: หา Integrated (d) และ Stationary analysis

ARIMA Model ตอนที่ 3: หา AR (p) ด้วย Partial Autocorrelation Function

ARIMA Model ตอนที่ 4: หา MA(q) ด้วย Autocorrelation Function

ARIMA Model ตอนที่ 5: Optimum Order(p,d,q) ด้วย AIC

จากการทำมาทั้งหมด 5 ตอน ตอนนี้คงเป็นตอนที่สั้นที่สุดแล้ว เริ่มเลยดีกว่าอยากเขียนอะไรสั้น ๆ บ้าง

Code

ใช้ ARIMA() แล้วใส่ order = (2, 1, 2) ตามที่เราหามา จากนั้น .fit() โมเดลได้เลย จุดสังเกตคือ เราต้องโมเดลตัว Actual variable ไม่ใช่ตัว First difference เพราะว่าให้ Order d = 1 ไว้แล้ว

Result

ต้องไม่ลืมว่าเราโมเดลค่า diff ของราคาหุ้น 1 วันก่อนหน้า ดังนั้นเราต้องทำการแปลงค่ากลับให้อยู่รูปของราคาหุ้นกันก่อน โดยเราสามารถใช้ราคาหุ้นจริง “ของเมื่อวาน” บวกกับค่า Predict ของการเปลี่ยนแปลงที่เกิดจากโมเดลของเรา

ก็ยังวิ่งตาม ๆ กันอยู่นะ

MSE = 0.4840644315553188

Conclusion

เขียนวันที่ 23/04/2020

เขียนจบแล้ว สำหรับ Series ARIMA Model จริง ๆ มันเป็นโมเดลที่เก่ามากแล้ว แต่ก็ยังได้ยินพูดถึงอยู่บ่อย ๆ อาจเป็นเพราะมันเป็นพื้นฐานของ Time series ก็ได้มั้ง ใครอยากลองเอาไปเล่นก็ลองทำดูได้นะครับ ไม่ยากจนเกินไป

อ้อ… ก่อนจบ พยายามหาหุ้นที่ไม่ค่อยมีข่าวก็ดีนะ เพราะ AOT เนี่ยราคากระโดดมาก โมเดลจับไม่ทันเลยจริง ๆ ฮ่า ๆ

อัพเดต

statisticalModel/ARIMAModel.ipynb at main · naenumtou/statisticalModel

Colab notebook สามารถติดตามได้จาก Link ด้านบน