Python statsmodels:拟合多个时间序列上的聚合SARIMAX
我有一组不同地点相同指标的时间序列,我正试图将一个SARIMAX模型与其总和(合计)进行拟合,以得到一个模型,该模型可以在每个站点的基础上进行预测(因为值将按比例降低) 然而,这是行不通的,模型预测站点级别的值非常高(好像它适合从聚合案例中截取) 我的代码中是否缺少某些内容Python statsmodels:拟合多个时间序列上的聚合SARIMAX,python,statsmodels,forecasting,arima,forecast,Python,Statsmodels,Forecasting,Arima,Forecast,我有一组不同地点相同指标的时间序列,我正试图将一个SARIMAX模型与其总和(合计)进行拟合,以得到一个模型,该模型可以在每个站点的基础上进行预测(因为值将按比例降低) 然而,这是行不通的,模型预测站点级别的值非常高(好像它适合从聚合案例中截取) 我的代码中是否缺少某些内容 model=SARIMAX(data1,exog=data2,order=(1,1,2),季节顺序=(1,1,1,52)) model_fit=model.fit(disp=False) 打印(f“全局:{model_fit
model=SARIMAX(data1,exog=data2,order=(1,1,2),季节顺序=(1,1,1,52))
model_fit=model.fit(disp=False)
打印(f“全局:{model_fit.summary()}”)
对于站点中的站点:
#预测
newdfinner=df_site.loc[df_site.site==site,:].fillna(0).重置_索引(drop=True)
exog2=newdfinner.loc[
newdfinner[“开始一周”]>=上周日[“exog1”,“exog2”]
].astype(“float64”)
yhat=模型拟合预测(
newdfinner[newdfinner[“开始一周”]==最后一个星期日]。索引[0],
newdfinner.iloc[len(newdfinner)-1,:]。名称,
exog=exog2,
)
此外,根据所使用的训练范围(以及拟合方法),我还会收到一些警告,例如:
Warnings:
[1] Covariance matrix calculated using the outer product of gradients (complex-step).
[2] Covariance matrix is singular or near-singular, with condition number 1.19e+24. Standard errors may be unstable.
这些因素是否可能显著影响贴合度,如何缓解
另外,我如何测量误差项的正态分布
是否有任何汇总指标提供了这方面的衡量标准
Ljung-Box (Q): 5.96 Jarque-Bera (JB): 0.87
Prob(Q): 0.31 Prob(JB): 0.65
Heteroskedasticity (H): 1.20 Skew: 0.66
Prob(H) (two-sided): 0.91 Kurtosis: 1.67