python - auto arima python 中的预测区间

Question

我想使用 python 中的 auto arima 计算 0.95 的预测区间。我想获得预测的标准误差，就像我们可以在 R 中的统计预测中获得的那样。

然后我将使用公式 - 点预测 ± 1.96 * 当时 t 预测的标准误差来获得上限和下限。

如何在 python 中获得预测的标准误差。我为此使用自动 arima 预测。我知道 statsmodel 预测有标准误差参数来获取这些参数，但我正在使用 Auto arima 预测。请告诉我如何获得 auto arima 中 10 个时间步长的预测间隔？返回Conf间隔参数返回非常宽的上限和下限范围间隔。如何获得 arima (1 0 2) 订单的预测标准误差。

Answer 1

Auto arima 的工作原理是将 statsmodels.tsa.ARIMA 和 statsmodels.tsa.statespace.SARIMAX 包装在一起作为估计器。您可以像使用 statsmodels 一样提取结果。这是一个示例模型:

 model = auto_arima(y_train, start_p=0, start_q=0,
            test='adf',       
            max_p=7, max_q=7, 
            m=np.int(season),             
            d=n_diffs,           
            seasonal=True,  
            start_P=0, 
            D=1, 
            trace=True,
            error_action='ignore',  
            suppress_warnings=True, 
            stepwise=True)

和

print(model.conf_int())

将返回一个具有 95% 拟合参数置信区间的数组。请随时阅读本文档 SARIMAX results了解有关模型结果的更多信息。

对于 10 步预测，您可以执行以下操作来获取置信区间:

y_forec, conf_int  = model.predict(10,return_conf_int=True,alpha=0.05)
print(conf_int)

要获取模型标准误差，您可以使用以下方法提取标准误差:

std_error = model.bse()

为了获得预测标准误差，应使用置信区间来获得标准误差。这是解释相同内容的答案:std_err for forecast wiki for standard error and pred interval relation