Pythonで解く計量時系列分析1

Pythonで解く計量時系列分析1
みんなのpython勉強会#48
https://startpython.connpass.com
Github:https://github.com/betashort/Time_Series_Analysis

Transcript

1. Pythonで解く 計量時系列分析1 βshort
2. ⾃⼰紹介 名前 : βshort （⼤学⽣） Stapy歴：４回ぐらい ⼤学で勉強していること -fMRI(脳機能)データの解析 趣味：ブログやってます！ https://betashort-lab.com Kaggleも⼀応やってます！！ だいたいこのアイコン
3. 時系列分析と機械学習 統計・時系列分析 データの説明性 • 検定 機械学習 予測メイン • 回帰問題 • 分類問題 • クラスタリング
4. 時系列分析 fMRIデータも時系列 時系列データとは、時間とともに変化するデータ 時系列分析 時系列データの持つ特徴を説明すること Granger因果？ 時系列分析を勉強しよう
5. 今⽇紹介すること 計量時系列分析１章 Pythonで問題を解く 1. 対数差分系列 2. ⾃⼰相関のグラフ 3. ⾃⼰相関の検定 練習問題 データのダウンロード https://www.asakura.co.jp/books/isbn/978-4-254-12792-8/
6. Pythonあるある ifrom statsmodels.stats.diagnostic import acorr_ljungbox ・・・ ImportError: cannot import name 'datetools' • ライブラリのバージョン違い Pandasの旧バージョンに対応？ statsmodelsをアップデート？ statsmodelsは使わない！！
7. 対数差分系列 原データ eco = pd.read_excel('data/economicdata.xls’) plt.plot(eco['indprod’]) plt.show() 対数差分系列 eco[‘indprod_dlog'] = np.log(eco['indprod’]).diff() plt.plot(eco[i] * 100) plt.show()
8. ⾃⼰相関のグラフ 期待値 def time_mean(t_data): return np.mean(t_data) ⾃⼰共分散 def time_acv(t_data, k): T = len(t_data) t = k + 1 n = T - t mu = time_mean(t_data[1:]) gamma = np.sum((t_data[t:] - mu) * (t_data[1:n+1] - mu)) / T return gamma
9. ⾃⼰相関のグラフ ⾃⼰相関係数 def time_acr(t_data, k): gamma_k = time_acv(t_data, k) gamma_0 = time_acv(t_data, 0) rho_k = gamma_k / gamma_0 return rho_k
10. ⾃⼰相関の検定 かばん検定 Ljung-Box test
11. ⾃⼰相関の検定 def portmanteau_test(t_data, m): T = len(t_data) tmp = 0 Q = T*(T+2) for i in range(m): k = i+1 rho_k = time_acr(t_data, k) tmp += rho_k ** 2 / (T - k) Q = Q * tmp alpha = chi2.ppf(0.95, m) p = chi2.pdf(Q, m) if Q > alpha: print("lag:", m, "データは有意な⾃⼰相関を持つ") return rho_k, Q, p カイ２乗分布に従う
12. まとめ 参考 https://qiita.com/mckeeeen/items/666e14c94e1548130646 ü 計量時系列分析の練習問題を解いた ü Pythonは、ライブラリのバージョン違い が厄介 ü Numpyなど必要最低限のライブラリで実 装することで、理解も深まる。 ソースコードは、https://github.com/betashort/Time_Series_Analysis