Python中的多季節性時間序列分析

Question

我有一個每日時間序列數據集，我使用 Python SARIMAX 方法來預測未來。 但我不知道如何在 python 中編寫考慮多個季節性的代碼。 據我所知，SARIMAX 只處理一個季節性，但我想檢查每周、每月和每季度的季節性。 我知道要捕捉星期幾的季節性，我應該創建 6 個虛擬變量，要捕捉月份的季節性，創建 30 個虛擬變量，並且要捕捉一年中的月份，創建 11 個虛擬變量。 但我不知道如何將它與 Python 中的主要 SARIMAX 函數合並？ 我的意思是 SARIMAX 只是一個執行自回歸、移動平均和差分部分的函數，但是我應該如何在使用 SARIMAX 的時間序列分析中包含多個季節性代碼？ 到目前為止，我知道如何為每個類別創建虛擬變量，但不知道如何將其復制到整個數據集？ 之后我不知道如何編寫 Python 代碼來執行 SARIMAX 並同時捕獲多個季節性。

我需要可以執行此操作的 Python 代碼的幫助。

請相應地建議

問候

Answer 1

是的，SARIMA 模型是為處理單一季節性而設計的。

• 為了使其適用於多個季節性，可以應用一種稱為傅立葉項的方法。

• 其次，對於具有多重季節性影響的時間序列數據，有一種更好的方法，稱為 TBABS。 這是一個包含兩種方法的代碼和解釋的示例： 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/ ，這也為解決此問題提供了更簡單的方法。

• 要進行更深入的研究，您始終可以使用“多季節性”或“多季節性效應”在谷歌上搜索“時間序列”