Python 多重时间序列的ARIMA/Holt-Winters

有没有一种方法可以在python中运行一个ARIMA/Holt-Winters模型，同时处理多个项目（时间序列）

我可以使用Python中的StatsModels包运行单个ARIMA/Holt Winters模型，但不能运行多个时间序列

要澄清我所说的多重时间序列的含义，请参阅我的数据集

---

ARIMA是时间序列预测中最常用的模型之一，但它仅适用于单变量时间序列分析。在数据集中，有四个变量

• X1
• X2
• X3
• X4

所以它是一个多元时间序列

对于处理，这种时间序列预测是一个很好的选择。它能够处理任意数量的变量。即使计算量更高，你也能获得相当高的预测精度

您可以通过以下导入语句轻松地从导入它：

from statsmodels.tsa.vector_ar.var_model import VAR

VAR方法：

model = VAR(array_of_data)

[[5737,5100,2899,7431.26],

[5779,5500,5600,5237.5],

[5782,3520,3620,6534.39]]

• 其中，数据的排列应该是一个列表（每个观察值作为一行）

数据输入格式：

model = VAR(array_of_data)

[[5737,5100,2899,7431.26],

[5779,5500,5600,5237.5],

[5782,3520,3620,6534.39]]

在实施之前，仔细阅读所有参数以获得更好的结果

要了解更多信息，请阅读此内容

from statsmodels.tsa.vector_ar.var_model import VAR
import numpy as np
model = VAR(endog=np.asarray(train))
model_fit = model.fit()
prediction = model_fit.forecast(model_fit.y, steps=len(valid))

---

请注意，VAR模型最适合于查找随时间变化的不同系列之间的（相互）依赖关系。如果没有理由认为任何系列会随着时间的推移影响任何其他系列，那么VAR可能过于工程化了。