У меня есть следующий код в Python, где я моделирую временной ряд, используя smapi.tsa.UnobservedComponents. Уважение к этой функции у меня два вопроса:
1) Поскольку согласно документации, он позволяет включать эффект AR только тогда, когда ошибки после моделирования коррелируются.
2) Когда я рисую компоненты, легенды оказываются очень большими, и я не знаю, как их редактировать. Как я могу отредактировать это?
import pandas as pd
from pandas import read_csv
import statsmodels.api as smapi
from matplotlib import pyplot as plot
from statsmodels.graphics.tsaplots import plot_acf
from statsmodels.graphics.tsaplots import plot_pacf
Ts = read_csv("ocupacionhotelera.csv", header=0, decimal=',', sep=';')
date = pd.date_range(start='1/1/2002', end='31/12/2017', freq='M')
df = pd.DataFrame(date, columns=['date'])
df['data'] = Ts['ocupacion hotelera']
df['date'] = pd.to_datetime(df['date'])
df = df.set_index('date')
df[df.index.year == 2002] # Filtrar informacion#
df = df['2002-01-31':'2013-12-31']
serie = df
unrestricted_model = {'level': 'local linear
trend','iregular':True,'seasonal': 12}
output_mod = smapi.tsa.UnobservedComponents(serie, **unrestricted_model)
output_res = output_mod.fit(method='powell', disp=False)
print(output_res.summary())
acf = plot_acf(output_res.resid, lags=20)
pacf = plot_pacf(output_res.resid, lags=20)
print(output_res.test_heteroskedasticity(method='breakvar'))
print(output_res.test_normality(method='jarquebera'))
print(output_res.test_serial_correlation(method='ljungbox'))
##Grafico
fig = output_res.plot_components(which='filtered', legend_loc='lower right',
figsize=(35, 20))
plot.legend(loc=2, prop={'size': 6, 'size': 6})
