連載バックナンバー はじめに 前回は、時系列分析の代表的なモデルの1つであるARMAモデル(自己回帰移動平均モデル)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してみました。 今回は、実際のデータを使い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。 ARMAモデルの詳細は前回解説していますので、参照してください。 なお、本連載が前提とする環境の構築方法や基本的な使い方は連載第1~4回で紹介しています。個別の分析手法と実践的な使い方については第5回以降で解説しています。本稿の解説はこれらの環境を踏まえたものですが、一部、Python実行環境や利用しているライブラリ類はアップデートをしていますので、適宜ご自身の環境に置き替えて読み進めてください。
![時系列分析II―ARMAモデル(自己回帰移動平均モデル)の評価と将来予測](https://cdn-ak-scissors.b.st-hatena.com/image/square/a861b79c1d441343015941b22029e93ff1ba39ff/height=288;version=1;width=512/https%3A%2F%2Fimage.itmedia.co.jp%2Fait%2Farticles%2F1409%2F01%2Fl_mhss_dc10fig01.jpg)