我正在尝试使用arima_mod = sm.tsa.ARIMA(residual, (p,d,q)).fit(trend="c",maxiter = 20)拟合的ARIMA模型来预测残差序列中的下一个值。为此，我可以应用以下其中一项：
next_pred1 = arima_mod.predict(start,end,dynamic=True)[-1]
next_pred2 = arima_mod.predict(start,end,dynamic=False)[-1]
这两个预测的结果都不好。更正 - dynamic=False这些都很糟糕。 dynamic=True {{1}}这些都很可怕。我试图理解为什么：当我设置开始到遥远的过去并结束到下一个值（不在样本中）时，预测是不好的，但至少在不同值之间不会改变。即，对于start = 4和start = 8，预测将给出相同的输出（我有大约40个样本以预测为基础）。当我设置相同的开始/结束值并使用dynamic = True时，输出会因为过去而变得更糟。这是没有意义的 - 对于ARIMA - （2,0,2），预测应该仅使用动态设置的最后2个值的估计，但似乎它使用所有过去的样本进行预测。输出值突然是1E-20而不是0.15或1.1 ...就好像系列平均值的奇怪（加p或类似）近似用于预测......
请告知 - 我应该收回多少样本用于预测ARIMA =（p，d，q）的下一个样本外值？最后的p值只是？其他？为什么预测结果如此糟糕（模型训练有40个值 - 这不是＆＃34;足够的＆＃34;对于小p和q？我知道更多的值越好，但这就是我所拥有的） 。
您的建议将不胜感激。
谢谢！