我正在使用 statsmodels ARIMA 包来创建一些 ARIMAX 模型。我在预测中使用了一些不同的外生变量。从documentation 看来，该模型似乎只使用外生变量的当前值来预测我的内生变量。有没有一种好方法可以在我的预测中包含滞后到某个点（旧值）的外生变量，而无需手动将滞后的外生序列添加到模型中？
需要明确的是，here 的解决方案正是我想要避免的。
【问题讨论】：
标签： python statsmodels arima
我明白你的意思，但这不起作用。您可以将 ARIMA 视为单个函数，例如时间序列 f(t) 上的 ARIMA(2, 0, 1) 类似于：
ar.L1 * f(t-1) + ar.L2 * f(t-2) + ma.L1 * e(t-1)
ar.L1 和 ar.L2 是用于第一和第二滞后自回归的系数。 ma.L1是用于移动平均模型的系数（以前的预测误差通常命名为e(t)。可以在ARIMA模型的.summary()看到：
现在，当您向 ARIMA 模型添加外生变量时，您只需向该函数添加另一个项：
ar.L1 * f(t-1) + ar.L2 * f(t-2) + ma.L1 * e(t-1) + coef_exog * exog(t)
statsmodels 的 ARIMA 实现只允许每个外生变量有一个值，因为只有一个系数。也许他们将来会改变这一点，但现在将外生滞后作为单独的值传递是唯一的可能性。
您可以使用 pandas .diff() 方法创建滞后版本。
【讨论】：