ARMA预测，趋势消除问题

Question

我想对此进行一次粗略的ARMA预测，即获得更多有关如何使用统计模型库并了解其工作原理的知识。 因此，首先，我启动了位于网络中某个位置的示例，但是ARMA拟合和预测不起作用，因为MLE无法收敛。 我认为系列不是固定的，所以首先，我想消除趋势，这对我来说是一个挑战。 这是代码：

   import pandas.io.data as web
import statsmodels.api as sm
import statsmodels.tsa.api as tsa
import datetime
import statsmodels.formula.api as smf


start = datetime.datetime(2010, 1, 1)
end = datetime.datetime(2010, 1, 27)
f = web.DataReader("F", 'yahoo', start, end)
print f

#+++++++++++++++TREND+++++++++++++++
atrend = tsa.add_trend(f['Close'].values,trend='ctt')
print atrend
#+++++++++++++++fitting ARMA++++++++

arma =tsa.ARMA(f['Close'].values, order =(2,2))
results= arma.fit()

因此，打印“冒险”给我：

[[  10.28    1.      1.      1.  ]
 [  10.96    1.      2.      4.  ]
 [  11.37    1.      3.      9.  ]
 [  11.66    1.      4.     16.  ]
 [  11.69    1.      5.     25.  ]
 [  12.11    1.      6.     36.  ]
 [  11.87    1.      7.     49.  ]
 [  11.68    1.      8.     64.  ]
 [  11.76    1.      9.     81.  ]
 [  11.6     1.     10.    100.  ]
 [  11.75    1.     11.    121.  ]
 [  11.51    1.     12.    144.  ]
 [  11.18    1.     13.    169.  ]
 [  10.52    1.     14.    196.  ]
 [  11.03    1.     15.    225.  ]
 [  11.19    1.     16.    256.  ]
 [  11.55    1.     17.    289.  ]]

我不完全了解。 我要求有一个ctt趋势，它是：at ^ 2 + bt + c我为比较计算了Excel中的at ^ 2 + bt + c，at ^ 3 + bt ^ 2 + ct + d，得到了以下结果价值观。

10,494523
10,780752
11,031687
11,247328
11,427675
11,572728
11,682487
11,756952
11,796123
11,8
11,768583
11,701872
11,599867
11,462568
11,289975
11,082088
10,838907

对于抛物线，y = -1.7647x2 + 33.917x + 1017.3，并且：

10,00432
10,65848
11,1547
11,5105
11,7434
11,87092
11,91058
11,8799
11,7964
11,6776
11,54102
11,40418
11,2846
11,1998
11,1673
11,20462
11,32928

对于三次方程y = 0.292x3-9.649x2 + 92.319x + 917.47。 即使是现在，我仍然不知道如何将这些值插入arma = tsa.ARMA（ f ['Close']。values ，order =（2,2））以检查是否可以执行下一个任务。

总而言之，我的想法是简要介绍一下ARMA预测如何在python中使用，但是对我而言并非如此。

Answer 1

它本来应该很容易，但是处理解释变量，exog和趋势仍然有一些棘手的部分。 （ exog处理是ARMA的新增功能。）

ARMA使用exog关键字表示平均值预测的其他解释变量。 该常数通过fit方法的trend关键字包含，当前不能包含在exog 。 不幸的是，趋势关键字不允许任意定单趋势。

所以在您的情况下，这样的事情应该起作用：

arma = tsa.ARMA(f['Close'].values, exog=f[['trend1', 'trend2']] order=(2,2))

您将需要同样的趋势exog对样品进行预测的predict 。

这里https://gist.github.com/josef-pkt/1ea164439b239b228557是我的秘密要点，我曾经弄清楚了如何在ARMA中使用exog。

当我们对样本外预测有所了解时，当前的主模型和即将推出的statsmodels 0.7解决了一些计时问题。

通常，可以使用OLS或其他方法对解释变量上的时间序列进行回归，然后使用残差来估计ARMA模型。 这适用于预测，但是ARMA估计的标准误差和预测标准误差将是错误的，因为它们没有考虑初始估计（AFAIK）。