我使用statsmodels ARMA功能使用带有1个外生变量的ARMAX（0,2）模型生成预测，并且得到了违反直觉的结果。
无论在预测函数中传递给exog的外生变量（例如arma_res.forecast（steps = 5， exog = f_exog）），都会返回相同的预测数组，但最后一个元素除外。
例如：
arparams = np.array([0])
maparams = np.array([.65, .35])
arparams = np.r_[1, -arparams]
maparam = np.r_[1, maparams]
nobs = 250
y = arma_generate_sample(arparams, maparams, nobs)
exog = np.random.normal(size=nobs)
arma_mod = sm.tsa.ARMA(y, order=(0, 2), exog=exog)
arma_res = arma_mod.fit(trend='nc', disp=-1)
# Exogenous vars for forecasts
f_exog = [10, 10, 10, 10, 10]
f_exog_2 = [x * 5 for x in f_exog]
forecast_1 = arma_res.forecast(steps=5, exog=f_exog)[0]
forecast_2 = arma_res.forecast(steps=5, exog=f_exog_2)[0]
制作预测：
array([-0.0884847 , -0.03223685, -0.00190045, -0.00860229, 0.0987421 ])
array([-0.0884847 , -0.03223685, -0.00190045, -0.00860229, 0.49371049])
具有此设置的笔记本位于：https://github.com/dbrodSq/ARMA_Test/blob/master/Statsmodels_forecast_example.ipynb
无论＆＃34;步骤如何，上述模式都成立。参数。有谁知道为什么？
我相信使用Statsmodels可以预测多个时段的ARMAX，并且我不相信只要k_ar！= 0（即至少有一个AR参数），就会发生上述类似的问题。
道歉，如果我错过了一些明显的东西，并且非常感谢你的帮助。