差分后引起平稳,将时间序列数据重新转换回原始数据

时间:2018-08-22 21:29:02

标签: python time-series statsmodels difference arima

我正在将SARIMAX用于具有外生变量的ARIMA模型。但是我的时间序列不是固定的,所以即时通讯使用以下内容使其固定不动: (数据是我的原始时间序列)

stationary=np.log(data).diff().diff().dropna()

然后,我在SARIMAX模型中使用此固定数据序列。但是,我得到的结果仍然存在差异并记录。我似乎无法弄清楚如何将其反转。

我看到了一些示例,这些示例将以下内容用于一个不同的系列:

np.exp(np.r_(np.log(data).iloc[2],pred.predicted_mean))
(pred.predicted_mean is the results from my model)

但是我不确定如何做到1个日志和2个差异。

此外,我注意到statsmodel ARIMA包中有一个外来变量的选项,SARIMAX和ARIMA有什么区别?

0 个答案:

没有答案