R Time Series Analysis 時系列解析(11) ARIMAモデル3 予測
前回までで、時系列を満たすARIMA(p,d,q)のパラメータの決定方法とその評価方法を見てきた。今回は実際に予測を行って効果を検証する。(そもそもARIMAモデルありきで考えてはいけないはず)
データはここから落とした日産自動車の株価情報(日次終値)。Rではpredict関数を使って予測を行う。コードは前回分の続きから書く。
#10日間分を予測(7/4から10営業日分) arima.pred <- predict(arima212,n.ahead=10) #前回より引用 y <- stock[,2] #前回より引用 yhat <- arima.pred$pred sig <- arima.pred$se yhatl <- yhat-2*sig #95%CI yhatu <- yhat+2*sig #95%CI xl <- c(1,260) #規定250日+予測10日 yl <- c(min(y,yhatl),max(y,yhatu)) title <- "日産自動車(7201)の株価(終値)120628-130718" plot(y,type="l",main=title,xlim=xl,ylim=yl) lines(yhat,lty=1,col=2) lines(yhatl,lty=1,col=4) lines(yhatu,lty=1,col=4) legend("topleft",legend=c("Prediction","95%CI"),col=c("red","blue"),lty=c(1))
結果がこれ。
さすがに95%信頼区間は広すぎて当てにならなさそう。実際の結果と照らし合わせ、ARIMAモデルの出来ることと出来ないこと、そして有効な場面について考察していきたい。
【予測結果の検証】(7/18頃を予定)
TBD