Question

我试图在python 3中从statsmodels库运行X-13-ARIMA模型。

我在statsmodels文档中找到了这个例子：

dta = sm.datasets.co2.load_pandas().data
dta.co2.interpolate(inplace=True)
dta = dta.resample('M').sum()

res = sm.tsa.x13_arima_select_order(dta.co2)
print(res.order, res.sorder)

results = sm.tsa.x13_arima_analysis(dta.co2)

fig = results.plot()
fig.set_size_inches(12, 5)
fig.tight_layout()

这很好，但我还需要预测这个时间序列的未来值。 tsa.x13_arima_analysis()函数包含forecast_years参数，所以我认为它应该是可能的。然而;无论我选择results参数的值是什么，forecast_years对象似乎都无法改变。

如何获取预测值？

Answer 1

到现在为止你可能已经拥有了这个。我检索了一些截止日期为2012年7月的月度天气数据。我在此声明中进行了分析。

results = sm.tsa.x13_arima_analysis(s, forecast_years=3)

然后（发现results.results体积很大）我进入了这个。

open('c:/scratch/result.txt', 'w').write(results.results)

通过此文件查看＆＃39;预测＆＃39;我找到了以下部分。

 FORECASTING
  Origin  2012.Jul
  Number         3

  Forecasts and Standard Errors of the Prior Adjusted Data
   ------------------------------
                         Standard
       Date   Forecast      Error
   ------------------------------
   2012.Aug      33.02      2.954
   2012.Sep      28.31      2.954
   2012.Oct      21.54      2.954
   ------------------------------

  Confidence intervals with coverage probability ( 0.95000
   ---------------------------------------
       Date      Lower  Forecast     Upper
   ---------------------------------------
   2012.Aug      27.23     33.02     38.82
   2012.Sep      22.52     28.31     34.10
   2012.Oct      15.75     21.54     27.33
   ---------------------------------------

forecast_years=3似乎意味着预测三个月，在这种情况下从七月开始。

Answer 2

forecast_years=x 对我有用。请注意您正在运行的 statsmodels 版本（“pip freeze | grep statsmodels”），对于 10.2 版，预测范围的正确参数是，但在 11.0 及更高版本中，正确的参数是。

一个简单的正则表达式应该可以找到你的预测值：

has_many :reward_follows belongs_to :shop has_many :follows, through: :reward_follows has_many :users, through: :follows（在结果的每一行上运行）

匹配：

202\d.\w{3}\s{6}\d\d.\d\d\s{5}\d\d.\d\d\s{5}\d\d.\d\d

如何在python statsmodels中使用X-13-ARIMA获取预测

2 个答案: