statespace.SARIMAX 模型：为什么模型使用所有数据来训练模式，并预测训练模型的范围

Question

我按照教程学习了SARIMAX模型：https://www.digitalocean.com/community/tutorials/a-guide-to-time-series-forecasting-with-arima-in-python-3。数据的日期范围是 1958-2001。

mod = sm.tsa.statespace.SARIMAX(y,
                                order=(1, 1, 1),
                                seasonal_order=(1, 1, 1, 12),
                                enforce_stationarity=False,
                                enforce_invertibility=False)

results = mod.fit()

在拟合 ARIMA 时间序列模型时，我发现作者所有的日期范围数据都适合模型的参数。但是在验证 Forecasts 时，作者使用从 1998-01-01 开始的日期作为拟合模型的数据日期范围的一部分。

pred = results.get_prediction(start=pd.to_datetime('1998-01-01'), dynamic=False)

我知道在机器学习模型中，训练数据和验证（测试）数据是不同的，我的意思是不同的范围。我的意思是作者是对的？为什么这样做（我的意思是使用所有火车数据的原因），我是 SARIMAX 模型的一个新模型。

你们能告诉我更多关于这个模型的信息吗，例如预测几天或几周而不仅仅是一个月，我的意思是如何设置 order=(1,1,1),seasonal_order=(1, 1, 1、12)。谢谢！

Answer 1

作者是对的。当您进行回归（线性，高阶或逻辑 - 无关紧要）时 - 与训练数据有偏差是绝对可以的（例如 - 即使在训练数据上的逻辑回归也可能会给您带来误报）。

Same 代表时间序列。我认为作者想通过这种方式表明模型是正确构建的。

seasonal_order=(1, 1, 1, 12)

如果您查看 tsa stats documentation 您会看到，如果您想使用季度数据进行操作 - 您必须分配最后一个参数 - 值 4. Monthly - 12. 这意味着如果您想要使用每周数据seasonal_order 应该是这样的

seasonal_order=(1, 1, 1, 52)

每日数据将

seasonal_order=(1, 1, 1, 365)

order 分量是分别负责非季节性参数 p、d 和 q 的参数。您必须根据您的数据行为找到它们

• 页。您可以将其解释为 是否对 。或者换句话说，如果您有一个每日数据并且 p 为 6，您可以理解为周二数据是否会影响周日数据。
• d.差分参数。它定义了您的流程的集成级别。这意味着您应该应用时间序列differencing operator 多少次才能使您的时间序列静止
• 问。您可以将其解释为有多少先前的噪声（错误）影响当前值

这里有一个很好的answer 如何找到非季节性组件值

Answer 2

博客作者设置这些参数是因为：“我们的代码输出表明 SARIMAX(1, 1, 1)x(1, 1, 1, 12) 产生的 AIC 最低。”