使用python仅分解趋势和残差中的时间序列

Question

我只想分解趋势和残差中的时间序列（没有季节性）。到目前为止，我知道我可以使用statsmodels分解时间序列，但这包括季节性。有没有季节性的分解方法？

我看过文档（https://www.statsmodels.org/dev/generated/statsmodels.tsa.seasonal.seasonal_decompose.html）season_decompose允许使用不同类型的季节性（“ additive”，“ multiplicative”}），但没有看到排除季节性的关键字参数。

下面是我的问题的玩具模型。具有趋势但没有季节性的时间序列。如果我们要去除季节性因素，我认为我们会更合适。

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.tsa.arima_model import ARMA
from matplotlib import pylab as plt

#defining the trend function
def trend(t, amp=1):
    return amp*(1 + t)

n_time_steps = 100
amplitud=1
#initializing the time series
time_series = np.zeros(n_time_steps)
time_series[0] = trend(0, amplitud)

alpha = 0.1
#making the time series
for t in range(1,n_time_steps):
    time_series[t] = (1 - alpha)*time_series[t - 1] + alpha*trend(t, amp=amplitud) + alpha*np.random.normal(0,25)

#passing the time series to a pandas format
dates = sm.tsa.datetools.dates_from_range('2000m1', length=len(time_series))
time_series_pd= pd.Series(time_series, index=dates)
#decomposing the time series
res = sm.tsa.seasonal_decompose(time_series_pd)
res.plot()

Answer 1

我认为seasonal_decompose函数不能在没有季节性组件的情况下使用。

您是否考虑过使用其他功能，例如statsmodels.tsa.tsatools.detrend？多项式拟合就可以满足您的要求。