python - 等价于 python 的 auto.arima()

Question

我正在尝试使用 ARMA ARIMA 模型预测每周销售额。我在 statsmodels 中找不到用于调整 order(p,d,q) 的函数。目前 R 有一个函数 forecast::auto.arima() 将调整 (p,d,q) 参数。

如何为我的模型选择正确的订单？ python中是否有为此目的可用的库？

Answer 1

您可以实现多种方法:

1. ARIMAResults包括 aic 和 bic。根据他们的定义，(参见 here 和 here)，这些标准会惩罚模型中的参数数量。因此，您可以使用这些数字来比较模型。 scipy 也有 optimize.brute它在指定的参数空间上进行网格搜索。所以像这样的工作流程应该可以工作:

    def objfunc(order, exog, endog):
        from statsmodels.tsa.arima.model import ARIMA
        fit = ARIMA(endog, order, exog).fit()
        return fit.aic()
   
    from scipy.optimize import brute
    grid = (slice(1, 3, 1), slice(1, 3, 1), slice(1, 3, 1))
    brute(objfunc, grid, args=(exog, endog), finish=None)
   

确保使用 finish=None 调用 brute。

1. 您可以从 ARIMAResults 获得 pvalues。因此，一种易于实现的步进算法，其中模型的度数在整个维度上增加，从而获得添加参数的最低 p 值。

2. 使用ARIMAResults.predict交叉验证替代模型。最好的方法是将时间序列的尾部(例如最近 5% 的数据)保留在样本之外，并使用这些点来获得拟合模型的测试误差。