【问题标题】:Python out of sample forecasting ARIMA predict()Python 样本外预测 ARIMA predict()
【发布时间】:2014-12-03 06:51:43
【问题描述】:

statsmodels.api.tsa.ARIMA(mylist, (p,d,q)).fit().predict(start, end) 是否仅适用于 d=0?...

myList 是 72 位小数的列表,全部 >0, p=2, d=1, q=1, start=72, end=12 并且大多数预测都是负十进制数,这让我相信 statsmodels 没有执行预测后不会自动取消差异。

【问题讨论】:

    标签: python statsmodels


    【解决方案1】:

    docstring中predict的typ关键字。它决定了您是否获得关于差异或水平的预测。默认值是“线性”差异而不是水平。顺便说一句,你的开始不应该大于你的结束。如果这可行,那么这可能不会给您想要的东西,并且可能应该报告为错误。

    【讨论】:

    • 感谢您的快速回复!很高兴我得到了 statsmodel 开发人员的关注:)...这些是我所做的更改:predict = fit.predict(start=len(thirtyRR), end = len(thirtyRR)+11, typ = 'levels')
    • 想知道我是否可以用我的完整脚本打扰您并获得您的反馈...我正在尝试使用 statsmodels 在 R 中复制类似于 auto.arima 的函数(用于字面预测一次数百个变量),但我想知道我是否最好通过 rpy2 使用 auto.arima 导入 R 脚本?
    • 对于大规模的自动订单选择,您最好使用auto.arima。我还在最新的 statsmodels 中公开了 X13-ARIMA 的 autolag,您可能会发现它很有用。在我需要这个的上一个项目中,它的性能优于 auto.arima,但我不会说它总是优于 auto.arima 中的启发式算法。
    • 我还应该注意,它仅限于月度和季度数据。你可以看到一个例子here。更多 here.
    猜你喜欢
    • 1970-01-01
    • 2017-07-31
    • 1970-01-01
    • 2016-02-13
    • 1970-01-01
    • 2015-03-05
    • 1970-01-01
    • 2023-03-30
    • 2014-09-22
    相关资源
    最近更新 更多