如何在 python statsmodels 中使用 X-13-ARIMA 进行预测

Question

我正在尝试从 python 3 中的 statsmodels 库运行 X-13-ARIMA 模型。

我在 statsmodels 文档中找到了这个例子：

dta = sm.datasets.co2.load_pandas().data
dta.co2.interpolate(inplace=True)
dta = dta.resample('M').sum()

res = sm.tsa.x13_arima_select_order(dta.co2)
print(res.order, res.sorder)

results = sm.tsa.x13_arima_analysis(dta.co2)

fig = results.plot()
fig.set_size_inches(12, 5)
fig.tight_layout()

这很好用，但我还需要预测这个时间序列的未来值。 tsa.x13_arima_analysis()函数包含forecast_years参数，所以我想它应该是可能的。 然而; 无论我选择的forecast_years参数值是多少， results对象似乎都不会改变。

如何获得预测值？

Answer 1

到现在为止，您自己可能已经有了这个。 我检索了一些在 2012 年 7 月结束的月度天气数据。我输入此语句进行分析。

results = sm.tsa.x13_arima_analysis(s, forecast_years=3)

然后（发现results.results ）我输入了这个。

open('c:/scratch/result.txt', 'w').write(results.results)

通过查看此文件以进行“预测”，我发现了以下部分。

 FORECASTING
  Origin  2012.Jul
  Number         3

  Forecasts and Standard Errors of the Prior Adjusted Data
   ------------------------------
                         Standard
       Date   Forecast      Error
   ------------------------------
   2012.Aug      33.02      2.954
   2012.Sep      28.31      2.954
   2012.Oct      21.54      2.954
   ------------------------------

  Confidence intervals with coverage probability ( 0.95000
   ---------------------------------------
       Date      Lower  Forecast     Upper
   ---------------------------------------
   2012.Aug      27.23     33.02     38.82
   2012.Sep      22.52     28.31     34.10
   2012.Oct      15.75     21.54     27.33
   ---------------------------------------

forecast_years=3似乎意味着进行三个月的预测，在这种情况下从 7 月之后开始。

Answer 2

predict_years=x 为我工作。 请注意您正在运行的 statsmodels 版本（“pip freeze | grep statsmodels”），对于 10.2 版，预测范围的正确参数是 <forecast_years>，但在 11.0 及更高版本中，正确的参数是 <forecast_periods>。

一个简单的正则表达式应该可以找到您的预测值：

202\\d.\\w{3}\\s{6}\\d\\d.\\d\\d\\s{5}\\d\\d.\\d\\d\\s{5}\\d\\d.\\d\\d （在结果的每一行上运行）

这将匹配：

2020.Feb      18.04     32.25     46.47