我正在尝试使用SARIMAX预测季节性时间序列。时间序列包括PV馈入的每日最大值，这导致假设365天的周期。
这是我的代码：
mod= SARIMAX(realy.Max, order=(0,1,1), seasonal_order=(0,1,1,365))
results_SARIMAX = mod.fit(disp= -1)
由于我的周期性，我将seasonal_order设置为365。我还根据一些预先考虑设置变量p，d，q，P，D，Q.
我的问题是，执行代码后会产生以下错误：
ValueError: maxlag should be < nobs
当我将s的值从365设置为150时，它正在工作，但结果很糟糕，因为这根本不是我的季节性。问题是，maxlag或nobs定义在哪里，我能够相应地更改它们吗？
SARIMAX功能的文档字符串只是告诉季度或月度数据，而不是每日数据。 有人有使用SARIMAX的经验，并且已经根据每日价值进行了时间序列的预测吗？我已经在互联网上搜索解决问题，但我找不到任何有用的东西。
这里已经出现了类似的问题 How to set maxlag when Forecasting Sales for smaller data in SARIMAX? 和这里 How to change maxlag for ARMAX.predict?
但在我的案例中，我不明白如何克服这个问题，因为我没有任何外生价值可以提交。
我还建立了一个基于ARIMA的模型，我可以用它进行适当的预测。由于我没有非季节性时间序列，我认为使用SARIMAX获得更好的结果可能是个好主意。不幸的是，我无法处理此错误。
提前感谢您的帮助！
答案 0 :(得分：4)
您需要几年（完整的季节周期）才能估算出SARIMAX的季节性部分，请参阅https://github.com/statsmodels/statsmodels/issues/3529。
作为替代方案，您可以使用样条曲线或傅里叶级数将季节性模型建模为exog。请参阅示例http://robjhyndman.com/hyndsight/longseasonality/
这是一个草稿笔记本，它使用patsy公式为OLS和ARMA创建季节性样条线。 SARIMAX将以同样的方式工作。 https://gist.github.com/josef-pkt/1ea164439b239b228557