我正在python中使用statsmodels来预测沃尔玛kaggle数据集的每周零售额。在通过SARIMA运行之前，我很难实现平稳。问题在于复活节可能与每年相隔数周。您如何为假期中的这些波动建模？
我尝试对最好的（p，d，q）（P，D，Q）m参数进行网格搜索。我的网格搜索返回了（0,1,0）（0,2,0）52的SARIMA，AIC为832，但是在绘制时显然明显歪斜了（这是可以预期的，因为我的数据实际上并未通过这些转换实现平稳）。
有人建议零售季节使用SARIMAX吗？我知道R包比较好，但是我不知道R，希望没有它我也可以解决。
p, d, q = 0, 1, 0
P, D, Q, m = 0, 2, 0, 52
model = SARIMAX(train11.Weekly_Sales.asfreq('W-FRI'), order=(p,d,q), seasonal_order=(P,D,Q,m),
trend='n', enforce_stationarity=False, enforce_invertibility=False)
model_fit = model.fit()
model_fit.summary()
==========================================================================================
Dep. Variable: Weekly_Sales No. Observations: 143
Model: SARIMAX(0, 1, 0)x(0, 2, 0, 52) Log Likelihood -415.101
Date: Tue, 02 Apr 2019 AIC 832.202
Time: 21:48:24 BIC 833.813
Sample: 02-05-2010 HQIC 832.770
- 10-26-2012
Covariance Type: opg
==============================================================================
coef std err z P>|z| [0.025 0.975]
------------------------------------------------------------------------------
sigma2 2.202e+08 1.77e+07 12.406 0.000 1.85e+08 2.55e+08
===================================================================================
Ljung-Box (Q): 28.96 Jarque-Bera (JB): 77.77
Prob(Q): 0.79 Prob(JB): 0.00
Heteroskedasticity (H): 0.00 Skew: -1.44
Prob(H) (two-sided): 0.00 Kurtosis: 9.49
===================================================================================
答案 0 :(得分：0)
最简单的方法是将假变量用于假期和特殊事件。 SARIMAX允许在exog中指定其他解释性变量。
如果有足够的时间来估计例如复活节效应，则虚拟变量可以是特定日期，或者可以在同一个虚拟变量中组合几个假期，例如圣诞节前几个周末的购物量比平时高得多
SARIMA本身将无法捕获像复活节这样的效果，因为即使是一年的季节性假期，假期也不会具有固定的周期长度。