Python statsmodels ARIMA 预测

Question

我正在尝试使用 python statsmodels 进行样本外预测。我不想只预测训练集末尾的下一个 x 个值，但我想一次预测一个值并在预测时考虑实际值。换句话说，我想做滚动 1 期预测，但我不想每次都重新校准模型。我能找到的最接近的帖子在这里:

ARMA out-of-sample prediction with statsmodels

但是，这使用的是 ARMA 而不是 ARIMA。我怎样才能用 ARIMA 实现这个或者有更好的方法吗？我知道我实际上可以提取系数并自己应用一个函数，但在我的代码中，我使用的 ARIMA 模型随着时间的推移是动态的，因此使用的系数和滞后值的数量不是恒定的。任何帮助将不胜感激。

Answer 1

如果我是对的，我遇到了非常相似的问题:基本上我想将我的时间序列分成训练集和测试集，训练模型，然后根据其过去的历史任意预测测试集的任何元素。虽然我没有设法使用 ARIMA statsmodels 类来实现它。

这就是我使用 statsmodels 的方法:我对序列应用一阶差分以实现平稳性，并计算了一个 arma 模型:

model = sm.tsa.ARMA(fitting_data, order=(p, q), dates=fitting_dates).fit()

我已将 arma 模型转换为纯 ar 模型:

ar_params = model.arparams
ma_params = model.maparams

ar_coefficients = arma2ar(ar_params, ma_params, nobs=final_ar_coeff)

nobs 参数会影响您将获得的自回归系数的数量。我尝试了几个值，增加它直到观察到预测没有显着变化。一旦你得到你的预测 w.r.t.差异系列，您想将它们带回原始系列。我实现了一种方法，给定一个或一系列预测以及预测之前的最后一个已知元素，计算原始系列中的预测:

def differenced_series_to_original(values, starting_value):

    original_series = [starting_value]
    [original_series.append(original_series[-1]+i) for i in values]

    return original_series[1:]

显然 values 是您的预测列表，starting_value 最后一个已知元素。希望对您的问题有所帮助。