Python 时间序列 ARIMA 预测答案

【问题标题】：Python Time Series ARIMA ForecastPython 时间序列 ARIMA 预测
【发布时间】：2017-05-01 00:12:14
【问题描述】：

我正在尝试实施时间序列预测，并按照此处找到的有用教程进行操作：https://www.analyticsvidhya.com/blog/2016/02/time-series-forecasting-codes-python/

我的时间序列对象的样本，经过对数转换等可以在下面找到：

ts = 

2015-02-01  4.532599
2015-03-01  7.635787
2015-04-01  7.698029
2015-05-01  4.564348
2015-06-01  4.744932
2015-09-01  5.365976
2015-10-01  7.657283
2016-02-01  7.059618
2016-03-01  5.433722
2016-04-01  7.600902

当我开始尝试启动 AR 模型时，即

model = ARIMA(ts_log, order=(1, 1, 0))
results_AR = model.fit(disp=-1)
plt.plot(ts_log)
plt.plot(results_AR.fittedvalues, color='red')
plt.title('RSS: %.4f'% sum((results_AR.fittedvalues-ts_log_diff)**2))
plt.show()

我的问题是当我尝试这样做时，我得到：

TypeError: ufunc 'add' did not contain a loop with signature matching types dtype('<U21') dtype('<U21') dtype('<U21')

当我打印出时间序列索引中的数据类型时，我得到：

DatetimeIndex(['2015-05-01'], dtype='datetime64[ns]', freq=None)

然后我尝试像这样在 ARIMA() 中添加日期参数：

model = ARIMA(dt_ts, order=(1, 1, 0), dates=dt_ts.index.values)

或添加一个单独的数组，其中包含我的所有日期，称为格式化：

model = ARIMA(dt_ts, order=(1, 1, 0), dates=formatted)

在这两种情况下我都得到了这个：

ValueError: Given a pandas object and the index does not contain dates

任何人都知道为什么会发生这种情况以及我该如何解决？

提前致谢。

【问题讨论】：

标签： python time-series forecasting

【解决方案1】：

您的索引似乎没有正确定义。

所以问题出在原来的ts上。

我尝试使用下面的代码复制错误并且它按预期运行。

import pandas as pd
from statsmodels.tsa.arima_model import ARIMA

periods = 10000
my_index = pd.date_range('2016-07-01', periods=periods, freq='D')
data = np.random.randint(100,1000,periods)
ts = pd.Series(data=data, index=my_index, name='Monthly Returns')
ts_log=np.log(ts).diff().dropna()
print(ts.index)

DatetimeIndex(['2016-07-01', '2016-07-02', '2016-07-03', '2016-07-04',
           '2016-07-05', '2016-07-06', '2016-07-07', '2016-07-08',
           '2016-07-09', '2016-07-10',
           ...
           '2043-11-07', '2043-11-08', '2043-11-09', '2043-11-10',
           '2043-11-11', '2043-11-12', '2043-11-13', '2043-11-14',
           '2043-11-15', '2043-11-16'],
          dtype='datetime64[ns]', length=10000, freq='D')

如果我们进行剩余的计算，它应该不会出现任何错误。

model = ARIMA(ts_log, order=(1, 1, 0))
results_AR = model.fit(disp=-1)
plt.plot(ts_log)
plt.plot(results_AR.fittedvalues, color='red')
plt.title('RSS: %.4f'% sum((results_AR.fittedvalues-ts_log)**2))
plt.show()

Resulting Plot

【讨论】：