如何在python statsmodels中使用X-13-ARIMA进行预测
我正在尝试从Python3中的statsmodels库运行X-13-ARIMA模型 我在statsmodels文档中找到了这个示例:如何在python statsmodels中使用X-13-ARIMA进行预测,python,python-3.x,statsmodels,Python,Python 3.x,Statsmodels,我正在尝试从Python3中的statsmodels库运行X-13-ARIMA模型 我在statsmodels文档中找到了这个示例: dta = sm.datasets.co2.load_pandas().data dta.co2.interpolate(inplace=True) dta = dta.resample('M').sum() res = sm.tsa.x13_arima_select_order(dta.co2) print(res.order, res.sorder) re
dta = sm.datasets.co2.load_pandas().data
dta.co2.interpolate(inplace=True)
dta = dta.resample('M').sum()
res = sm.tsa.x13_arima_select_order(dta.co2)
print(res.order, res.sorder)
results = sm.tsa.x13_arima_analysis(dta.co2)
fig = results.plot()
fig.set_size_inches(12, 5)
fig.tight_layout()
这很好,但我还需要预测这个时间序列的未来值。tsa.x13\u arima\u analysis()
函数包含forecast\u years
参数,因此我认为这应该是可能的。然而;无论我选择的forecast\u years
参数的值是什么,results
对象似乎都不会改变
我怎样才能得到预测值呢?到目前为止,您可能已经有了这个预测值。我检索了一些截至2012年7月的月度天气数据。我输入此报表进行分析
results = sm.tsa.x13_arima_analysis(s, forecast_years=3)
然后(发现results.results
是大量的)我输入了这个
open('c:/scratch/result.txt', 'w').write(results.results)
通过查看此文件以查找“forecast”,我找到了以下部分
FORECASTING
Origin 2012.Jul
Number 3
Forecasts and Standard Errors of the Prior Adjusted Data
------------------------------
Standard
Date Forecast Error
------------------------------
2012.Aug 33.02 2.954
2012.Sep 28.31 2.954
2012.Oct 21.54 2.954
------------------------------
Confidence intervals with coverage probability ( 0.95000
---------------------------------------
Date Lower Forecast Upper
---------------------------------------
2012.Aug 27.23 33.02 38.82
2012.Sep 22.52 28.31 34.10
2012.Oct 15.75 21.54 27.33
---------------------------------------
forecast\u years=3
似乎意味着预测三个月,在这种情况下是从7月之后开始的。forecast\u years=x对我来说很有用。注意您正在运行的statsmodels版本(“pip冻结| grep statsmodels”),对于版本10.2,预测期的正确参数为,但在版本11.0及更高版本中,正确参数为
一个简单的正则表达式应该能够找到您的预测值:
202\d.\w{3}\s{6}\d\d.\d\d\s{5}\d\d\s{5}\d\d\d.\d
(在结果的每一行上运行)
哪一个匹配:
2020.Feb 18.04 32.25 46.47
非常感谢。您甚至不需要保存输出-此输出将自动保存在临时文件中作为“.out”文件。然而,我还需要预测时间序列的季节性调整值,我发现这在X11规范中是不可能的,我必须使用SEATS规范。因此我更改了“x13_arima_analysis()”函数。