時系列分析I ――ARMAモデルと時系列分析ITエンジニアのためのデータサイエンティスト養成講座(9)(4/4 ページ)

» 2014年06月24日 19時47分 公開
[中林紀彦,日本アイ・ビー・エム]
前のページへ 1|2|3|4       

移動平均 MA(q) モデル

 MA(q)モデルは一般的に式2で表すことができるモデルで、一番シンプルなMA(1)モデルでは、「今日の値は1日前の誤差の影響を受ける」というモデルでパラメーターθの符号によって特徴が決定されます。

式2(Wikipedia日本語版「自己回帰移動平均モデル」から引用)

 今回は0.8と−0.8でモデルの特徴を比較してみましょう。

MA(q)モデルはパラメーターの値でどう変わる?(4):θ=0.8の場合

 まず、θ=0.8の場合をプロットしてみます(In [40]〜In [45])。

In [38]: # 前のグラフを閉じる
In [39]: plt.close()
In [40]: # ARパラメーターを設定:今回はMAモデルなのでAR(0)とします
In [41]: arparams = np.array([1])
In [42]: # θ=0.8としてサンプルデータを生成しグラフにプロット
In [43]: maparams = np.array([1, 0.8])
In [44]: y4 = pd.TimeSeries(arma_generate_sample(arparams, maparams, nobs), index=dates)
In [45]: y4.plot()
Out[45]: <matplotlib.axes.AxesSubplot at 0x7799890>
図5 θ=0.8の場合

MA(q)モデルはパラメーターの値でどう変わる?(5):θ=−0.8の場合

 次に、θ=−0.8の場合をプロットしてみます(In [48]〜In [51])。

In [46]: # 前のグラフを閉じる
In [47]: plt.close()
In [48]: # θ=-0.8としてサンプルデータを生成しグラフにプロット
In [49]: maparams = np.array([1, -0.8])
In [50]: y5 = pd.TimeSeries(arma_generate_sample(arparams, maparams, nobs), index=dates)
In [51]: y5.plot()
Out[51]: <matplotlib.axes.AxesSubplot at 0xafe7f30>
図6 θ=−0.8の場合

 図5がθ=0.8の場合、図6がθ=−0.8の場合のグラフです。この2つを比べるとθが負の値を取ると、グラフの「ギザギザ」の間隔が狭くなっているのが見てとれます。

MA(1)モデルでの自己相関(Autocorrelation)プロットと偏自己相関(Partial Autocorrelation)プロット

 それではMA(1)のモデルの自己相関と偏自己相関のプロットを見てみましょう(In [54]〜In[61])。

In [52]: # 前のグラフを閉じる
In [53]: plt.close()
In [54]: # 自己相関(Autocorrelation)プロット
In [55]: fig = plt.figure(figsize=(12,8))
In [56]: ax1 = fig.add_subplot(211)
In [57]: fig = sm.graphics.tsa.plot_acf(y4.values.squeeze(), lags=40, ax=ax1)
In [58]: # 偏自己相関(Partial Autocorrelation)プロット
In [59]: ax2 = fig.add_subplot(212)
In [60]: fig = sm.graphics.tsa.plot_pacf(y4, lags=40, ax=ax2)
In [61]: fig.show()
図7 MA(1)のモデルの自己相関と偏自己相関のプロット

 ARモデルとは逆に、自己相関のプロットでラグ1の値だけ大きな値を取っています。このようにMA(q)モデルの場合には自己相関プロットからqの値を類推することができます。

おわりに

 今回は時系列分析の代表的なモデルの1つであるARMAモデルについて、パラメーターを変化させながらサンプルデータを生成させてモデルの特徴を確認するという、普段とは違ったアプローチでモデルの紹介をしていきました。

 次回は実際のデータを使い今回のARMAモデルのパラメーターを推定し、未来の予測に活用するような実例を紹介したいと思いますので、お楽しみに。

前のページへ 1|2|3|4       

Copyright © ITmedia, Inc. All Rights Reserved.

RSSについて

アイティメディアIDについて

メールマガジン登録

@ITのメールマガジンは、 もちろん、すべて無料です。ぜひメールマガジンをご購読ください。