问题标签 [sarimax]

这在某种程度上是前一篇文章的延续，但我正在尝试预测每周收入。我的程序似乎挂在 adfuller 测试上。它以前运行过，并且通过 p 值看起来是静止的，但不一致。我也添加了 SARIMAX，代码只是挂起。如果我取消，我会（定期）在底部收到一条消息，说明问题不受限制。

数据：

代码：

我只使用 185 行左右。我不明白为什么代码只是挂起。欢迎任何优化建议（针对 adfuller 和 SARIMAX）。

auto_arima(df1['Births'],seasonal=False).summary()

SARIMAX 结果部门 变量：y 观察次数：120 模型：SARIMAX 对数似然 -409.745 日期：2021 年 8 月 23 日星期一 AIC 823.489 时间：06:55:06 BIC 829.064 样本：0 HQIC 825.753

• 120
  协方差类型：opg
  coef std err z P>|z| [0.025 0.975]截距39.7833 0.687 57.896 0.000 38.437 41.130 Sigma2 Sigma2 Sigma2 54.1197 8.319 6.506 0.000 37.815 70.424 ljung-box（l1）（l1）（l1）（L1）（Q）：0.85 Jarque-Bera（0.85 Jarque-bera（JB）：2.69（Q）：2.69（Q）：Q）： (H)：0.80 偏斜：0.26 Prob(H)（两侧）：0.48 峰度：2.48

警告：[1] 使用梯度外积计算的协方差矩阵（复步）。auto_arima(df1['Births'],seasonal=False) auto_arima(df1['Births'],seasonal=False)

我正在尝试使用statsmodels库从 Python 中的离散时间序列数据中识别状态空间模型：statsmodel.tsa.statespace.sarimax.SARIMAX.

我需要状态空间一般形式的矩阵（这里是 statsmodel 参考）：从 statsmodel 页面解释了这些矩阵，但不清楚如何推断它们。

例如，如果我想将卡尔曼滤波器应用于识别的模型（通过 sarimax），我需要此图片状态空间矩阵中描述的矩阵

是否有可能获得矩阵系数statsmodel？

我有一个具有季节性模式和增长趋势的时间序列数据。在我通过一阶差分去除趋势后，PACF 图显示了滞后 12 附近的一些极端峰值。 差分前的 ACF 和 PACF

差分后的 ACF 和 PACF

任何人都知道这里可能有什么问题吗？

SARIMAX 模型需要 q、d、q、m 参数才能正常运行。

1. P 代表 AutoRegressive 模型的阶数，可以使用 PACF 图进行光学估计
2. D 代表使时间序列静止的差异数，可以使用 adfuller 测试来估计，同时进行差异循环直到它变得静止。
3. Q 代表 MovingAverage 模型的阶数，可以使用 ACF 图进行光学估计。
4. M 代表表示季节性的周期数，可以使用seasonal_decompose 函数进行光学估计。

通常，如下所示的自定义 SARIMAX Grid CV 能够找到最佳参数集。

我想知道是否有任何方法可以以编程方式提取 p、q、m 值甚至它们的范围以减少网格，从而减少寻找最佳模型顺序的处理时间。

有任何想法吗？

我正在尝试在 R 中使用带有外部回归器的 arima 模型来尝试量化一个变量对时间序列的影响。

假设我有季度数据，每个点都是该特定季度的平均年度每日流量。现在我有一个很好的线性回归模型，可以解释交通流量随着 GDP 的演变和关税的增加而波动。

现在我想量化关税演变对交通的影响，并考虑采用外部回归器的 arima。

我的问题是（在花时间之前我已经尝试阅读很多关于该主题的内容）：在生成我的时间序列（流量）并检查平稳性等之后，我无法理解是否应该使用 arima将 GDP 和关税作为外部回归变量 (xreg) 的模型，并得到它们的系数或只是关税本身（恐怕在第二种情况下，关税将解释一些 GDP 变化。

我正在尝试进行任何预测，只是建立一个可以让我量化影响的模型。

我在这个领域很新。我正在尝试迭代一些 SARIMAX 模型并将数据存储在 Dataframe 中。但是在我的 M1 Macbook 中运行这些单元需要 10 多分钟。有没有更好的方法来编写这些行以获得相同的结果？

我还尝试了与 (P,D,Q,S) 一样的小型 (p,d,q) 的 itertools，但它甚至花费了两倍以上的时间。

我如何根据这些acf，pacf确定这个模型的顺序？

所以我正在尝试使用 yfinance api（使用亚马逊股票代码）预测股票，我认为它工作正常，我唯一的问题是在 matplotlib 中绘制它。每当我尝试使用预测均值绘制收盘价时，它确实将它与当前价格前面的预测一起绘制，正如您所期望的那样，这两个图位于两个不同的位置。

这是代码：

我正在对训练数据的最后 90 天条目进行预测。但是，我的置信区间范围很广。我想知道我是否正确计算了 CI？

谢谢！