Ajuster ARIMA et lire son AIC

Dans la leçon précédente, vous avez construit une grille de paramètres avec itertools. Il s'agit maintenant de passer à l'étape suivante : ajuster concrètement un modèle ARIMA pour chaque combinaison (p, d, q), récupérer son AIC et gérer proprement les cas où le modèle ne converge pas. Ajuster un modèle ARIMA avec statsmodels La classe ARIMA de statsmodels prend en argument la série et un paramètre order sous la forme d'un tuple (p, d, q). L'appel à .fit() lance l'estimation et retourne un objet résultat. Sur cet objet, l'attribut .aic donne directement la valeur du critère d'information d'Akaike. Plus cette valeur est faible, meilleur est l'équilibre entre ajustement et parcimonie. Il est i