Python 3.x “我想知道”；SARIMA（statsmodels）参数“；[订单]和[季节性订单]。我该如何选择？

我的数据（时间序列）包含两年的数据。（a值/天，行=360*2）

现在，我尝试使用statsmodels中的SARIMA模型。 我随机选择了参数（订单和季节性订单）。 顺序=（1,0,1），季节顺序=（0,1,0360） 这非常符合我的数据

但我在本质上不被理解。 我应该如何选择参数（p，d，q）？ 顺序=（P，D，Q），季节顺序=（P，D，Q，s=360？） 我可以从ACF或PACF图中读取它吗？还是总结中的AIC、BIC

（我试着从“最小AIC模型”中选择，但效果不好）

将statsmodels.api作为sm导入
SARIMA_1_0_1_010=sm.tsa.SARIMAX（t3，订单=（1,0,1），季节订单=（0,1,0300））.fit（）
打印（SARIMA_1_0_1_010.summary（））
residSARIMA=SARIMA_1_0_1_010.resid
图=plt.图（图尺寸=（12,8））
ax1=图添加子批次（211）
fig=sm.graphics.tsa.plot_acf（residSARIMA.values.squence（），lags=100，ax=ax1）
ax2=图添加子批次（212）
图=sm.graphics.tsa.plot_pacf（剩余面积，滞后时间=100，ax=ax2）
pred=SARIMA_1_0_1_010.预测（7001200）
plt.图（figsize=（22,10））
地块（t3）
plt.地块（前，“r”）

和

最大p=3
最大q=3
最大值=1
最大sp=0
最大平方=0
最大值sd=0
模式=最大p*（最大q+1）*（最大d+1）*（最大sp+1）*（最大sq+1）*（最大sd+1）
modelSelection=pd.DataFrame（索引=范围（模式），列=[“model”，“aic”]）
季节=360
num=0
对于范围内的p（1，最大p+1）：
对于范围内的d（0，最大d+1）：
对于范围内的q（0，最大q+1）：
对于范围内的sp（0，最大sp+1）：
对于范围内的sd（0，最大sd+1）：
对于范围内的平方（0，最大平方+1）：
sarima=sm.tsa.SARIMAX(
t3，顺序=（p，d，q），
季节性订单=（sp、sd、sq、360），
强制_平稳性=假，
强制执行可逆性=错误
).fit（）
modelSelection.ix[num][“model”]=“order=（“+str（p）+”，“+str（d）+”，“+str（q）+”）季节=（“+str（sp）+”，“+str（sd）+”，“+str（sq）+”）季节=”
modelSelection.ix[num][“aic”]=sarima.aic
modelSelection.ix[num][“bic”]=sarima.bic
num=num+1
modelSelection[modelSelection.aic==min（modelSelection.aic）]

---

它没有很好地预测…

这里的基本问题是

SARIMAX

不是一个很好的模型，在季节效应很长的情况下使用（参见例）

一般来说，通过信息标准选择模型的顺序（例如p、q和p、q）是一个好主意，但这样选择差分顺序（d或d）不是一个好主意

在使用

SARIMAX

模型时，可以帮助自动选择模型的python包是

---

但是，我要重复一次，这通常不适用于季节长度为360的车型。

谢谢！我必须学习更多。你的“URL”非常有用，给了我新的知识！