Python中的多季节性时间序列分析

Question

我有一个每日时间序列数据集，我使用 Python SARIMAX 方法来预测未来。 但我不知道如何在 python 中编写考虑多个季节性的代码。 据我所知，SARIMAX 只处理一个季节性，但我想检查每周、每月和每季度的季节性。 我知道要捕捉星期几的季节性，我应该创建 6 个虚拟变量，要捕捉月份的季节性，创建 30 个虚拟变量，并且要捕捉一年中的月份，创建 11 个虚拟变量。 但我不知道如何将它与 Python 中的主要 SARIMAX 函数合并？ 我的意思是 SARIMAX 只是一个执行自回归、移动平均和差分部分的函数，但是我应该如何在使用 SARIMAX 的时间序列分析中包含多个季节性代码？ 到目前为止，我知道如何为每个类别创建虚拟变量，但不知道如何将其复制到整个数据集？ 之后我不知道如何编写 Python 代码来执行 SARIMAX 并同时捕获多个季节性。

我需要可以执行此操作的 Python 代码的帮助。

请相应地建议

问候

Answer 1

是的，SARIMA 模型是为处理单一季节性而设计的。

• 为了使其适用于多个季节性，可以应用一种称为傅立叶项的方法。

• 其次，对于具有多重季节性影响的时间序列数据，有一种更好的方法，称为 TBABS。 这是一个包含两种方法的代码和解释的示例： https : //medium.com/intive-developers/forecasting-time-series-with-multiple-seasonalities-using-tbats-in-python-398a00ac0e8a

• 第三，您可以查看https://facebook.github.io/prophet/ ，这也为解决此问题提供了更简单的方法。

• 要进行更深入的研究，您始终可以使用“多季节性”或“多季节性效应”在谷歌上搜索“时间序列”