和

Question

我的数据（时间序列）包含两年的数据。（值/天，行= 360 * 2）

现在，我尝试使用statsmodels中的SARIMA模型。我随机选择参数（订单和季节性订单）。订单=（1,0,1），季节性订单=（0,1,0,360）非常适合我的数据。

但本质上我不了解。我应该如何选择参数（p，d，q）？ order =（P，D，Q），season_order =（p，d，q，s = 360？）我可以从ACF或PACF图中读取它吗？还是摘要中的AIC，BIC？

（我试图从“最小的AIC模型”中选择它，但是效果不佳）


import statsmodels.api as sm
SARIMA_1_0_1_010 = sm.tsa.SARIMAX(t3, order=(1,0,1), seasonal_order=(0,1,0,300)).fit()
print(SARIMA_1_0_1_010.summary())

residSARIMA = SARIMA_1_0_1_010.resid
fig = plt.figure(figsize=(12,8))
ax1 = fig.add_subplot(211)
fig = sm.graphics.tsa.plot_acf(residSARIMA.values.squeeze(), lags=100, ax=ax1)
ax2 = fig.add_subplot(212)
fig = sm.graphics.tsa.plot_pacf(residSARIMA, lags=100, ax=ax2)


pred = SARIMA_1_0_1_010.predict(700, 1200)
plt.figure(figsize=(22,10))
plt.plot(t3)
plt.plot(pred, "r")

和


max_p = 3
max_q = 3
max_d = 1
max_sp = 0
max_sq = 0
max_sd = 0

pattern = max_p*(max_q + 1)*(max_d + 1)*(max_sp + 1)*(max_sq + 1)*(max_sd + 1)
modelSelection = pd.DataFrame(index=range(pattern), columns=["model", "aic"])

season = 360

num = 0

for p in range(1, max_p + 1):
    for d in range(0, max_d + 1):
        for q in range(0, max_q + 1):
            for sp in range(0, max_sp + 1):
                for sd in range(0, max_sd + 1):
                    for sq in range(0, max_sq + 1):
                        sarima = sm.tsa.SARIMAX(
                            t3, order=(p,d,q), 
                            seasonal_order=(sp,sd,sq,360), 
                            enforce_stationarity = False, 
                            enforce_invertibility = False
                        ).fit()
                        modelSelection.ix[num]["model"] = "order=(" + str(p) + ","+ str(d) + ","+ str(q) + "), season=("+ str(sp) + ","+ str(sd) + "," + str(sq) + ")"
                        modelSelection.ix[num]["aic"] = sarima.aic
                        modelSelection.ix[num]["bic"] = sarima.bic

                        num = num + 1

modelSelection[modelSelection.aic == min(modelSelection.aic)]

预测不好。...

Answer 1

这里的基本问题是，当季节性影响非常长时，SARIMAX并不是一个很好的模型（例如参见https://stats.stackexchange.com/questions/117953/very-high-frequency-time-series-analysis-seconds-and-forecasting-python-r/118050#118050）。

通常，通过信息标准选择模型的顺序（例如p，q和P，Q）是一个好主意，但是以这种方式选择差分顺序（d或D）不是一个好主意。

使用SARIMAX模型时可以帮助自动选择模型的python软件包是https://github.com/tgsmith61591/pmdarima。

但是，我要重复一遍，这通常不适用于季节长度为360的车型。

我想知道“ SARIMA（statsmodels）参数” [order]和[seasonal_order]。我该如何选择？

和

1 个答案: