问题标签 [pyramid-arima]

我已经使用金字塔 ARIMA 中的 auto-arima 构建了多个 SARIMA 模型，并且想从模型中提取 p、q、d 和 P、D、Q、m 值并将它们分配给变量，以便我将来可以使用它们模型。

我可以使用 model.summary() 来查看值，但这对我来说不是很好，因为我需要将它们分配给一个变量。

尝试导入pmdarima.arimaPython 库时，有人可以帮我解决以下错误消息吗？

这些是在 30 天内每小时获取的一系列值，我将它们按每小时一组收集，如下所示 2 组：

系列具有类似的分布：

AIC 值是 Akaike 信息准则，它将预测模型相互比较。用于测试不同 ARIMA 模型并计算一系列 ARIMA 模型以查看哪个 AIC 值最低的代码

它为每个系列的具有最低 AIC 值(0, 2, 1)的参数返回相同的顺序。(p,d,q)

我用下面的代码得到它的预测，但结果在第 2 小时不行

预测

系列 2 的 AIC 还检查pmd-arima了 SARIMAX 模型的哪个顺序是相同的值。请给我一些光。

我正在尝试预测标准普尔 500 指数。但是，我得到的预测是平线（没有季节性或任何东西）。尝试使用 python Pyramid Arima 库。数据是标准普尔 500 指数 (SPY)，每日“收盘价”。

对 auto_arima 函数有任何建议的更改吗？有没有办法对此进行调整，以便最终预测显示趋势和季节性而不是平坦线？

我正在尝试构建 SARIMAX 模型，尝试从 ACF、PACF 图中确定 (p,d,q) & (P,D,Q,s) 值。我的系列是静止的，不需要任何差分（基于 ADF 测试）。虽然我从 PACF 图中了解到 p=2 和 q=2（尽管 ACF 呈指数衰减，但我相信这可能是由于彼此滞后的累积效应）应该足够好，但我对如何做到有点困惑得出季节性部分的 P,Q 值。我的数据是收集了大约 4 年的每日观察数据。从分解的以下季节性部分，我可以看到该模式每 7 天重复一次。这是未差分原始数据的 ACF、PACF 图。

感谢您的指导，帮助我确定该系列季节性部分的 P、Q 值。

ACF PACF 图

季节性成分

我需要获得最好的估算器，例如 AIC、BIC

摘要：输出

如何获取估算器值？谢谢

我正在尝试预测 2000 多种产品的销售量。在我的数据中，我将每个产品的销售数据重新采样为每周销售数据，并且每个产品的时间序列数据表现不同。季节性模式并不明显，这就是为什么我决定在 Python 中使用 auto_arima 函数来处理两种不同的条件，假设存在季节性，而没有。对于季节性情况，我假设周期为 52 周，因为在 1 年期间观察到数据季节性分解的峰值相同。现在，我的问题是，为自动 arima 函数尝试两种不同的条件并捕获提供最低 mse 的最佳模型（ARIMA 或 SARIMAX）是一种好习惯吗？此外，auto_arima 函数在尝试查找 sarimax 模型的顺序时工作非常缓慢。我很高兴听到任何关于加快速度和我的第一个问题的建议。

谢谢。

任何预测多种产品的建议都会很棒！

在使用 pmdarima 库中的 AutoArima 预测时间序列时，我得到“ValueError：零大小数组到没有标识的缩减操作最大值”。

数据的形状是（27,1），训练数据的形状是（24,1）。

数据如下，

我认为这可能是因为系列的长度为 27，但我无法更改长度，因为程序中有很多系列，仅更改长度不是正确的做法。

同样对于训练数据，长度为 24，并且 Auto Arima 模型得到了很好的训练。

下面是训练代码：

和预测代码：

以下是完整的错误信息：

如果只是因为系列的长度而不由 pmdArima 处理，那么解决问题的解决方法应该是什么？

I'm trying to run this.

Then, call the library like this.

The whole stack trace is pretty huge. I don't know if it makes sense to copy/paste everything here, but it seems like these are the errors.

I have two questions.

1. Is there some way to do a pip install and require Python/Jupyter to automatically install all required dependencies?.

2. Is there an easier way to run an ARIMA model over a data set that consists mainly of locations and profits over time?