statsmodels软件包提供了一个DynamicFactor对象，当适合时，它会产生一个statsmodels.tsa.statespace.dynamic_factor.DynamicFactorResultsWrapper对象。这提供了predict和simulate方法，但是都预测了原始时间序列，而不是潜在的潜在因素。
我曾尝试将潜在因素重建为AR流程，但未成功。 .ssm["transition"]和结果.summary()中的系数都匹配，但是当作为AR过程进行模拟时，不要把结果.factors["filtered"]上的系数还给我...
如何生成潜在因子的未来值？
答案 0 :(得分：0)
一种方法是：
m = sm.tsa.DynamicFactor(endog, k_factors=1, factor_order=1)
r = m.fit()
f = r.get_forecast(10)
print(f.prediction_results.filtered_state)
请注意，这始终是一个numpy数组，因此如果您的数据具有例如一个熊猫日期索引，您需要自己使用该索引创建熊猫系列。
另一种方法是将np.nan值附加到数据集的末尾，然后使用典型的.factors["filtered"]访问器。如果您将n观测值附加到np.nan，则n的最后.factors["filtered"]值将包含因素的预测。