ขนาดวิดีโอ: 1280 X 720853 X 480640 X 360
แสดงแผงควบคุมโปรแกรมเล่น
เล่นอัตโนมัติ
เล่นใหม่
第三弾待ってました！ありがとうございました。時系列データシリーズ１，２とも楽しく拝見させていただいておりましたがいい意味で、抜け感があって、それでいて実践的で。楽しく学習できてます。これからもよろしくお願いします。
大変嬉しいコメントありがとうございます！これからも頑張りますので、こちらこそ今後ともよろしくお願いします！！
面白いね、SARIMAXでXを日経平均として株価予測をやってみたいと思います。
いつも拝見しております。第１弾から３弾まで大変お疲れ様でした。このシリーズ以外の動画も含め、実務に役立つ非常に有益な動画だと思います。ほんとうにいつもありがとうございます！
こちらこそ大変嬉しいコメントありがとうございます！今後ともよろしくお願いいたします！！
シンプルで分かりやすくて助かります！
ありがとうございます！
非常に勉強になりました。ありがとうございます！実際に私もやってみようと思ったのですが、現在のstatsmodelsのバージョンだとstatsmodels.tsa.arima.model.ARIMAが削除されており、別の方法で実装する必要がありそうなのですが、もしよろしければ新バージョンでの解説もしていただければとてもありがたいです。宜しくお願いいたします。
ご視聴ありがとうございます！本動画はstatsmodels.tsa.arima.model.ARIMAは使用しておらず、statsmodels.tsa.statespace.sarimax.SARIMAXを使用してARIMAモデルを実装しております。つまり、新バージョンによる解説になっているかなと思うのですがいかがでしょうか？15:33〜 あたりです。
@@nishimaki ご返答ありがとうございます！私が見落としておりました。最新版を利用しておられるのですね！私の勘違いでした。これからも参考にさせていただきますので動画、楽しみにしております！
株価のトレンド予測に使いたいその方法を解説願います
株価予測は大変良いテーマですね。インプットのデータさえ用意すれば本動画の方法で実行できると思いますので、ぜひお試しください！
本動画で使用しているソースとファイルのダウンロードは下記URLからどうぞ。analysis-navi.com/?p=3868
大変わかりやすかったです。ありがとうございました。SARIMAXのモデルでは未来の予測はできないのでしょうか？
こちらこそありがとうございました！予測期間のXに当たる部分のデータがございましたらSARIMAXでも予測は可能となります。
とても勉強になりました。ありがとうございます。今回は簡単なデータでしたが、データによっては予測モデルを使うために予めローデータに何らかの下処理が必要なケースってあるんでしょうか。教えて頂けると幸いです。
ご視聴ありがとうざいます。はい、むしろ下処理が不要な事の方が珍しいくらいかなと思います。例えば、欠損値があったら前後の値に合わせて穴埋めを行ったり、あまりにも突飛な値が入っていた際にはデータの異常を疑ってその値を一定の値まで丸めたりなど、データや目的によって様々な下処理を施す事になります。
現在このstatsmodels==0.8.0を導入するにはpython3.6までだと思いますが、同様の環境を作成するymlファイルをご用意いただけますでしょうか？requirements.txtでも問題ありません。ARMA単体のモデルが最新のstatsmodelsが削除されていくらか仕様が変わっているようでして環境の作成しづらくなっています。pandasのバージョンとの互換性もはまるポイントがあって苦戦しておりますので、同様の環境で再現させていただきたいです。
私が実行を確認した際はPython3.7を使用しました。requirements.txtは行数が多くコメント欄に貼れないため、抜粋してお伝えします。statsmodels==0.10.1pandas==1.3.2
ありがとうございます！再現できました
第三弾待ってました！ありがとうございました。
時系列データシリーズ１，２とも楽しく拝見させていただいておりましたが
いい意味で、抜け感があって、それでいて実践的で。楽しく学習できてます。これからもよろしくお願いします。
大変嬉しいコメントありがとうございます！
これからも頑張りますので、こちらこそ今後ともよろしくお願いします！！
面白いね、SARIMAXでXを日経平均として株価予測をやってみたいと思います。
いつも拝見しております。第１弾から３弾まで大変お疲れ様でした。このシリーズ以外の動画も含め、実務に役立つ非常に有益な動画だと思います。ほんとうにいつもありがとうございます！
こちらこそ大変嬉しいコメントありがとうございます！
今後ともよろしくお願いいたします！！
シンプルで分かりやすくて助かります！
ありがとうございます！
非常に勉強になりました。ありがとうございます！
実際に私もやってみようと思ったのですが、現在のstatsmodelsのバージョンだと
statsmodels.tsa.arima.model.ARIMAが削除されており、別の方法で実装する必要がありそうなのですが、もしよろしければ新バージョンでの解説もしていただければとてもありがたいです。
宜しくお願いいたします。
ご視聴ありがとうございます！本動画は
statsmodels.tsa.arima.model.ARIMA
は使用しておらず、
statsmodels.tsa.statespace.sarimax.SARIMAX
を使用してARIMAモデルを実装しております。
つまり、新バージョンによる解説になっているかなと思うのですがいかがでしょうか？
15:33〜 あたりです。
@@nishimaki ご返答ありがとうございます！
私が見落としておりました。最新版を利用しておられるのですね！私の勘違いでした。
これからも参考にさせていただきますので動画、楽しみにしております！
株価のトレンド予測に使いたい
その方法を解説願います
株価予測は大変良いテーマですね。
インプットのデータさえ用意すれば本動画の方法で実行できると思いますので、ぜひお試しください！
本動画で使用しているソースとファイルのダウンロードは下記URLからどうぞ。
analysis-navi.com/?p=3868
大変わかりやすかったです。ありがとうございました。SARIMAXのモデルでは未来の予測はできないのでしょうか？
こちらこそありがとうございました！
予測期間のXに当たる部分のデータがございましたらSARIMAXでも予測は可能となります。
とても勉強になりました。ありがとうございます。今回は簡単なデータでしたが、データによっては予測モデルを使うために予めローデータに何らかの下処理が必要なケースってあるんでしょうか。教えて頂けると幸いです。
ご視聴ありがとうざいます。
はい、むしろ下処理が不要な事の方が珍しいくらいかなと思います。
例えば、欠損値があったら前後の値に合わせて穴埋めを行ったり、あまりにも突飛な値が入っていた際にはデータの異常を疑ってその値を一定の値まで丸めたりなど、データや目的によって様々な下処理を施す事になります。
現在このstatsmodels==0.8.0を導入するにはpython3.6までだと思いますが、同様の環境を作成するymlファイルをご用意いただけますでしょうか？requirements.txtでも問題ありません。
ARMA単体のモデルが最新のstatsmodelsが削除されていくらか仕様が変わっているようでして環境の作成しづらくなっています。pandasのバージョンとの互換性もはまるポイントがあって苦戦しておりますので、
同様の環境で再現させていただきたいです。
私が実行を確認した際はPython3.7を使用しました。
requirements.txtは行数が多くコメント欄に貼れないため、抜粋してお伝えします。
statsmodels==0.10.1
pandas==1.3.2
ありがとうございます！再現できました