Python中的多季节性时间序列分析

我有一个每日时间序列数据集，我正在使用Python SARIMAX方法预测未来。但我不知道如何用python编写代码来解释多个季节性因素。据我所知，SARIMAX只关注一个季节性，但我想检查每周、每月和季度的季节性。我知道要捕获星期几的季节性，我应该创建6个虚拟变量，要捕获月日的季节性，创建30个虚拟变量，要捕获一年中的月份，创建11个虚拟变量。但我不知道如何将它与Python中的主SARIMAX函数结合起来？我的意思是SARIMAX只是一个函数，它做自回归、移动平均和差分部分，但是我应该如何在我用SARIMAX进行的时间序列分析中包含多个季节性代码？到目前为止，我知道如何为每个类别创建虚拟变量，但不知道如何将其复制到整个数据集？之后，我不知道如何编写Python代码来执行SARIMAX并同时捕获多个季节性事件

我需要帮助的Python代码，可以做到这一点

请提出相应的建议

---

关于

是的，SARIMA模型设计用于处理单一季节性

• 要使其适用于多个季节性，可以应用 方法称为傅立叶项

• 其次，有一种更好的方法来处理具有多重属性的时间序列数据 季节性效应，称为TBAB。这里有一个例子 包括两种方法的代码和说明：

• 第三，您还可以检查 提出了解决此问题的更简单方法

• 要进行更深入的研究，你可以在谷歌上搜索“时间序列”和“多重季节性”或“多重季节性效应”