Python：自动为 ARMA 模型选择参数答案

【问题标题】：Python: Automatically choose parameters for ARMA modelPython：自动为 ARMA 模型选择参数
【发布时间】：2016-02-14 01:41:26
【问题描述】：

我正在尝试将 ARMA 模型拟合到时间序列数据。我还没有找到任何可以自动选择参数的功能。以下是我编写的代码，因为我是 Python 的初学者，因此我相信可以优化此代码。

谁能给我一些关于如何做的想法：

对双循环进行矢量化
参数选择的快捷方式

非常感谢。

    parameter_bound = 3

    # Creating a 2-D array, storing the residuals of two different parameters of ARMA model
    residuals = [[0 for x in range(parameter_bound)] for x in range(parameter_bound)]

    model = [[0 for x in range(parameter_bound)] for x in range(parameter_bound)]

    # Calculate residuals for each parameter combinations
    for i in range(parameter_bound):

        for j in range(parameter_bound):

            model[i][j] = sm.tsa.ARMA(input_data, (i,j)).fit()

            residuals[i][j] = sum(abs(model[i][j].resid))

    # Find the parameters with lowest residuals
    parameters = np.argmin(residuals)

    parameter1 = parameters/parameter_bound

    parameter2 = parameters - parameters/parameter_bound*parameter_bound

    # Use the model with lowest residuals to get prediction data
    prediction = model[parameter1][parameter2].resid + input_data

【问题讨论】：

标签： python pandas time-series

【解决方案1】：

我不确定你的期望是什么，但你可以用 numpy 数组替换你的列表（我认为它不会改进你的特定代码）：

import numpy as np
residuals = np.zeros((parameter_bound, parameter_bound))
model = np.zeros((parameter_bound, parameter_bound), np.object)

另外，请注意，如果您想返回具有最低残差的模型的模型参数，则带有 axis=None 的 np.argmin 会返回一个扁平数组的索引：

prediction = model.ravel()[np.argmin(residuals)].resid + input_data

【讨论】：

感谢您的建议！他们很有帮助！

【解决方案2】：

您可以使用 Ljung-Box 测试：

__, pvalue  = sm.diagnostic.acorr_ljungbox(model[i][j].resid)
# if p-value higher than confidence interval 0.95, reject H
if pvalue > 0.05:
    use_parameters = ...

【讨论】：