在趨勢線上投影時間序列預測並包括季節性（Python）

Question

在過去的幾天里，我對使用 statsmodels (Python) 的時代系列感到瘋狂。 我是 TS 領域的新手，雖然我對各種回歸模型有更好的理解。 這是我的問題：

我有一個我固定的時間序列（通過season_decompose 或差分）。 我還使用 ACF 和 PACF 圖計算了 ARIMA 模型的參數 p、d 和 q。我將模型擬合在平穩 TS 或殘差上（我從 season_decompose 得到）。 很高興，我也得到了一個預測。

但現在我的問題是我的預測也是平穩的。 我需要一個趨勢和季節性周期。 假設我有時間 t1-t100 的數據，我需要從 t101-t110 進行預測。 t101-t110 的預測是平穩的，我不知道如何將其投影到趨勢線上並包括周期。

有人可以解釋一下我如何包含來自seasonal_decompose 函數的預測和組件以獲得所需的結果。

Answer 1

在代碼方面，您可以使用以下內容查看season_decompose 向您展示的內容

from statsmodels.tsa.seasonal import seasonal_decompose
series = ...
result = seasonal_decompose(series, model='additive')
print(result.trend)
print(result.seasonal)
print(result.resid)
print(result.observed)

然后您可以使用殘差並按照您的方式對其進行建模。

要通過添加趨勢 + 季節性逆向工程返回真實數據模式，您需要對趨勢（使用移動平均等）和季節性（使用自動回歸等）進行建模。 分解是指導分析的工具，而不是解決問題的工具。

代碼來源