Auto Arima Python中的预测间隔

Question

我想在python中使用自动Arima计算.95预测间隔。我想获得预测的标准误差，就像我们可以在R中获得统计预测一样。

然后，我将使用公式-点预测±1.96 *当时t的预测标准误差来获得上下限。

如何在python中获得预测的标准错误。 我为此使用自动Arima预测。 我知道statsmodel预测具有std错误参数来获取这些，但是我正在使用自动Arima预测。 请告诉我如何获得自动有货的10个时间步的预测间隔？ Return Conf interval参数返回非常宽的上限和下限区间。 如何获得有马（1 0 2）订单的预测标准误差。

Answer 1

自动Arima通过将statsmodels.tsa.ARIMA和statsmodels.tsa.statespace.SARIMAX包装在一起作为估算器来工作。 您可以使用使用statsmodels的方法提取结果。 这是一个示例模型：

 model = auto_arima(y_train, start_p=0, start_q=0,
            test='adf',       
            max_p=7, max_q=7, 
            m=np.int(season),             
            d=n_diffs,           
            seasonal=True,  
            start_P=0, 
            D=1, 
            trace=True,
            error_action='ignore',  
            suppress_warnings=True, 
            stepwise=True)

和

print(model.conf_int())

将返回拟合参数为95％置信区间的数组。 请随时阅读本文档的SARIMAX结果，以了解有关模型结果的更多信息。

对于10步预测，您可以执行以下操作以获得置信区间：

y_forec, conf_int  = model.predict(10,return_conf_int=True,alpha=0.05)
print(conf_int)

要获取模型标准误差，可以使用以下方法提取标准误差：

std_error = model.bse()

为了获得预测标准误差，应使用置信区间来获得标准误差。 这是解释相同内容的答案： std_err用于预测 Wiki，用于标准误差和pred间隔关系