Statsmodels SARIMAX：如何处理 maxlag 错误？

Question

我正在尝试使用 SARIMAX 预测季节性时间序列。 时间序列包含 PV 馈入的每日最大值，这导致假设为 365 天的周期性。

这是我的代码：

mod= SARIMAX(realy.Max, order=(0,1,1), seasonal_order=(0,1,1,365))
results_SARIMAX = mod.fit(disp= -1)

由于我的周期性，我将seasonal_order中的s 设置为365。 我还根据一些预先考虑分别设置了变量 p、d、q 和 P、D、Q。 我的问题是，执行代码后出现以下错误：

ValueError: maxlag should be < nobs

当我将 s 的值从 365 设置为 150 时，它正在工作，但结果很糟糕，因为这根本不是我的季节性。 问题是，maxlag 或 nobs 在哪里定义，我可以相应地更改它们吗？

SARIMAX 函数的文档字符串只讲述季度或月度数据，而不是每日数据。 是否有人有使用 SARIMAX 的经验并且已经根据每日值对时间序列进行了预测？ 我已经搜索了互联网以解决问题，但我找不到任何有用的东西。

类似的问题已经出现在这里How to set maxlag when Forecasting Sales for small data in SARIMAX？ 在这里如何更改 ARMAX.predict 的 maxlag？

但我不明白如何在我的情况下克服这个问题，因为我没有任何外生的价值观要提交。

我还建立了一个基于 ARIMA 的模型，我可以使用它进行正确的预测。 由于我没有非季节性的时间序列，我认为使用 SARIMAX 获得更好的结果可能是个好主意。 不幸的是，我无法处理这个错误。

提前感谢您的帮助！

Answer 1

您需要几年（完整的季节性周期）才能估计 SARIMAX 的季节性部分，请参阅https://github.com/statsmodels/statsmodels/issues/3529 。

作为替代方案，您可以使用样条线或傅立叶级数将季节性模式建模为exog 。 参见例如http://robjhyndman.com/hyndsight/longseasonality/

这是一个使用 patsy 公式为 OLS 和 ARMA 创建季节性样条的草稿笔记本。 SARIMAX 将以同样的方式工作。 https://gist.github.com/josef-pkt/1ea164439b239b228557

Answer 2

你可以试试这个，它解决了我的问题：

mod_sl_ar = sm.tsa.statespace.SARIMAX(train[var],exog=train[arimax_vars],order= [0,1,2] , seasonal_order= [0,1,1,52] ,mle_regression=True)
start_params = np.r_[[0] * (mod_sl_ar.k_params - 1), 1]
res_sl_ar = mod_sl_ar.fit(start_params=start_params)
predictions = res_hl_ar.forecast(len(test),exog=test[arimax_vars], dynamic= True)

资源