Question

我正在尝试将ARMA模型与时间序列数据相匹配。我没有找到任何可以自动选择参数的功能。下面是我编写的代码，但因为我是Python的初学者，因此我相信这段代码可以进行优化。

有人可以就如何：

给我一些想法

在双循环上执行矢量化
更快速地选择参数

非常感谢。

    parameter_bound = 3

    # Creating a 2-D array, storing the residuals of two different parameters of ARMA model
    residuals = [[0 for x in range(parameter_bound)] for x in range(parameter_bound)]

    model = [[0 for x in range(parameter_bound)] for x in range(parameter_bound)]

    # Calculate residuals for each parameter combinations
    for i in range(parameter_bound):

        for j in range(parameter_bound):

            model[i][j] = sm.tsa.ARMA(input_data, (i,j)).fit()

            residuals[i][j] = sum(abs(model[i][j].resid))

    # Find the parameters with lowest residuals
    parameters = np.argmin(residuals)

    parameter1 = parameters/parameter_bound

    parameter2 = parameters - parameters/parameter_bound*parameter_bound

    # Use the model with lowest residuals to get prediction data
    prediction = model[parameter1][parameter2].resid + input_data

Answer 1

我不确定你到底想要什么，但你可以用numpy数组替换你的列表（我认为它不会改进你的特定代码）：

import numpy as np
residuals = np.zeros((parameter_bound, parameter_bound))
model = np.zeros((parameter_bound, parameter_bound), np.object)

另外，请注意，如果要返回具有可能尝试的最低残差的模型的模型参数，则带有轴=无的np.argmin将返回展平数组的索引：

prediction = model.ravel()[np.argmin(residuals)].resid + input_data

Answer 2

你可以使用Ljung-Box测试：

__, pvalue  = sm.diagnostic.acorr_ljungbox(model[i][j].resid)
# if p-value higher than confidence interval 0.95, reject H
if pvalue > 0.05:
    use_parameters = ...

Python：自动为ARMA模型选择参数

2 个答案: