使用Python中的StatsModels的多变量时间序列自回归序列：在拟合模型后该怎么做？

Question

美好的一天

这是我的处女Stack Overflow问题所以我希望我做对了，不要违反任何规则。

我是基金经理，所以没有计算机科学背景。不过我现在正在学习python。

我正在尝试拟合包含多个时间序列的历史数据。我想我已经设法做到了这一点。我接下来需要做的是使用这些数据来预测这些时间序列的未来值。我查看过StatsModels文档，但不能完全了解它。

我正在使用xlwings并链接到excel。我的代码如下：

import numpy as np
from xlwings import Workbook, Range
import statsmodels.api as sm
import statsmodels
import pandas

def Fit_the_AR():
    dataRange = Range('Sheet1','rDataToFit').value
    dateRange = Range('Sheet1', 'rDates').value
    titleRange = Range('Sheet1', 'rTitles').value
    ARModel = statsmodels.tsa.vector_ar.var_model.VAR(dataRange,dateRange,titleRange,freq='m')
    statsmodels.tsa.vector_ar.var_model.VAR.fit(ARModel,1, 'ols', None, 'c', True)
    Range('Sheet2','B2').value = ARModel.endog_names
    Range('Sheet2','B3').value = ARModel.endog

我以为我必须使用预测方法，但不确定如何获得所需的所有参数。

任何帮助或指向正确的方向将非常感激。如果需要，我可以提供数据的excel文件。谢谢。