问题标签 [arima]

我在建模 ARIMA 和检查 MSE 时遇到了一个奇怪的问题。

这是我正在尝试的代码。

我得到的错误Unexpected error: <class 'numpy.linalg.linalg.LinAlgError'>在线model_fit = model.fit(disp=0)。该错误从第 282 位到列表长度为 343 的数据末尾出现，但我仍然找不到任何解决方案和原因。

无论如何，预测和测试的长度输出分别为 282 和 343。我不知道为什么预测无法附加 yhat，这意味着 arima.fit.forcast() 的输出无法分配 yhat...

+) 那是有SVD did not converge错误的。

我已经存储了 statsmodel 包的 ARIMA 模型的截距、AR、MA 系数

但是我找不到任何关于 statsmodel 的文档，可以让我将模型参数重新拟合到一组新数据并预测 N 步。

有没有人能够完成重新拟合模型并预测超时样本？

我正在尝试完成类似于 R 的事情：

我是 R 的初学者，感谢任何帮助或提示开发函数/循环以自动执行以下预测过程：这是一个虚拟数据集

感谢任何有关改进以下过程的建议，并且很高兴使用应用功能或循环功能来自动化它。

1. OO 列是我用来创建预测模型的变量。

2. 其他列是预测变量，我想测试预测是否与它们一起更好，或者仅与 OO 的过去数据一起使用。

3. 我进行了 36 次观察，以拟合带有“forecast”包中函数 auto.arima 的 Arima 模型。

4. 该函数提供了一些模型参数 p,d,q, , 比如说 0,1,0

现在我想以自动化方式测试模型并执行以下操作：

一个。预测未来的下一个时期，在上面的数据表中将相当于第 37 行。

湾。将预测结果与历史数据进行比较，第 37 行，OO 列。

C。从包“forecast”中调用准确度函数并与数据点行 37 进行比较。PLus ，将误差度量存储在向量中。

d。更新 'xdata' 参数，添加历史点 37 和 'xreg' 参数，再增加一个月作为预测变量，并为下一个周期调用另一个预测并重做此过程，直到我完成对 24 个预测的测试。

虽然我为模型安装了包“forecast”，但我发现使用包 astsa 中的函数“sarima.for”更容易。

在代码之前，还有更多信息：

• Train.OO 将是上述数据表的前 36 个观察值的时间序列对象
• n.ahead = 预测范围的参数：在这种情况下为 1 个周期
• 0,1,0 将是 ARIMA 模型 (p,d,q)
• Train.GG 将是预测变量，即 GG 列的前 36 个观察值
• newxreg 只是数据表中 TS 对象中的一个数据点的一部分，该数据点将成为预测的预测变量。

现在代码

现在第二个命令：

我为以下预测做了这个。基本相同的代码，只是更新了窗口函数的日期，以削减预测中要考虑的正确时间序列。

总共 24 个电话。

我知道这是低效的“蛮力”。但是，我对如何开始开发函数/循环有点迷茫。感谢有关如何自动化上述步骤的任何评论或提示。提前致谢！

我有一个包含 2 列价格和日期的 csv 文件。我正在尝试进行时间序列预测，为此我需要将日期列转换为日期时间类。目前日期列的类为 NULL。我试图将其转换为字符格式，但它不起作用。另外，有没有办法可以直接在 excel 的 csv 文件中执行此操作？

我正在尝试使用 r auto.arima 预测一些宏观经济系列。这是我使用的代码：

输出是：

预测的时间戳对应于数据的时间戳。

现在，fitted产生领先一步的预测。我将其理解为：使用实时数据的真实值t产生对时间的预测t+1。例如1999Q1用于预测1999Q2。基于这个假设，我期望看到 的预测值2011Q2，但没有。

我的问题是：预测系列中的时间戳是否正确？是prediction[1999Q1]，模型对 的估计data[1999Q1]？

这也受不同顺序的影响D吗？如果时间戳是正确的，为什么没有预测2011Q1？

我需要绘制真实值和预测值的图，并希望确保它们正确对齐。

我正在尝试在其上拟合 MS GARCH 模型。但是，当我在循环中达到 3 时，我得到了这个错误。我正在使用的代码如下。

y的数值数据可以在这里找到： enter link description here

通过测试，问题似乎出在数据 y 上，因为其他向量 y 工作正常。

我正在尝试使用外生回归器拟合 ar 模型，特别是季节性虚拟变量和带有 AR(3) 错误的趋势。为此，我使用以下代码：

没有包括平均值，因为我没有在回归中留下任何季节性假人。

的结果

是：

但结果

是

我的论点做错了吗？每个结果的含义是完全不同的。

我使用 statsmodels 在 python 中拟合 ARIMA。然而，预测值在积分后会倒置，有人能指出我做错了什么吗？

区分序列以实现平稳性

拟合 ARIMA 模型

通过积分将拟合值转换回来以获得拟合值（无差异）

但是我得到了倒置的预测。

我有一个时间序列，但我没有任何日期。

我知道收集的数据是均匀分布的。

Statsmodel ARIMA 假设我必须有日期并抛出以下错误：

不知道日期就不能使用 ARIMA 吗？

我正在为一个项目开发一个预测循环，我一直在使用函数 sarima.for 形成包 ASTSA 来执行预测。

最初，我只预测了地平线上的 1 个观测值，并且能够将预测值存储在我创建的向量中。

但是，当我预测循环以预测地平线上的两个观测值时，不知何故只存储了第一个值。

我将向量创建为

但如前所述，仅适用于 1 n.adead = 1 的预测

然后我创建了一个矩阵来看看它是否有效

但它也没有奏效。

这是此函数的预测预测示例

从预测函数 sarima.for 生成的对象类别是“列表”。

当我只是预测一个值时它与下面的示例一起使用

但现在有 2 个值，它不起作用，出现以下错误：

这里以一个 TS 为例

我将不胜感激有关我应该如何构造一个向量来存储由 sarima.for 命令产生的 2 个预测值的任何帮助。