Numpy 在计算AR（q）的95%置信区间时调用arma2ma

执行AR（q）拟合后，返回一个ARResultsWrapper，其中包含所有参数和拟合统计信息。然后，计算95%置信区间应该是将AR（q）转换为MA（p），然后对这些系数进行累加，如[1]第1.0.2节所示。在Python中，此过程相当于：

forecast = model.predict(begin, end)
arparams = params[1:] # drop the constant term
ma_rep = arma2ma(np.r_[1, arparams[::-1]], [1.], forecast.size)
fcasterr = np.sqrt(self.model.sigma2 * np.cumsum(ma_rep**2))
const = norm.ppf(1 - (1-conf)/2.)
confint = np.c_[forecast -  const * fcasterr,forecast +  const * fcasterr]

但是，不清楚我是否正确调用了arma2ma方法。我应该颠倒系数的顺序，对它们求反（如[2,3]中所做的），去掉常数项还是直接传递所有model.params

[1]

[2]

[3] 是我们使用arma2ma来预测标准误差。如果你使用ARMA，只需通过0作为MA项而不是AR项，你就应该得到这些。我想它从来没有被添加到AR中

为了回答您的问题，您不需要反转AR系数，但需要将它们取反，因为scipy.signal.lfilter使用ARMA表示