在 SARIMAX 时间序列预测中添加其他变量作为 exog

【问题标题】：Add additional variables as exog in SARIMAX time series forecasting在 SARIMAX 时间序列预测中添加其他变量作为 exog
【发布时间】：2020-05-19 17:26:27
【问题描述】：

假设我需要预测受黑色星期五、网络星期一、圣诞节和其他活动影响的每月 TPV/销售额。我在数据框中添加了所有这 4 个变量，并将其包含在“exog”中，如下所示

mod = sm.tsa.statespace.SARIMAX(Y,order=param,seasonal_order=param_seasonal,exog=exog_var,enforce_stationarity=False,enforce_invertibility=False)

我的问题是我们如何为未来的日期添加这 4 个 exog 变量的值？如果我添加这 4 个变量并将“TPV/销售额”列留空.. 它不预测那些时间段并输出'nan'

请帮助我了解如何为未来日期添加 exog 变量以及如何预测 Y 变量？

【问题讨论】：

标签： python time-series statsmodels arima forecast

【解决方案1】：

statsmodels 结构分析的方式分为以下几个步骤：

创建一个模型来描述您的数据，例如：

mod = sm.tsa.SARIMAX(endog_training, order=(1, 0, 0), exog=exog_training)

拟合模型的参数，例如：
```
res = mod.fit()
```
执行估计后分析。

一个。例如，您可能想要检查拟合参数、汇总输出等，例如：
```
print(res.summary())
```
b.或者，就像您的情况一样，您可能希望执行样本外预测，例如：
```
forecast = res.forecast(nsteps, exog=exog_test)
```

因此，您只想在模型构建步骤中包含您的训练数据。当您想使用样本外的 exog 值预测新时期时，您可以使用结果对象的 forecast 方法。

【讨论】：