如何在statsmodel中将多个外生变量输入SARIMAX模型？

Question

在statsmodels中，对于SARIMAX或ARIMA模型，我想使用多个额外的外部变量（外生变量）。例如，我想使用收益时间序列的3期滞后AR和与天气温度时间序列相关的4期滞后AR以及另一个市场价格变量的3期滞后AR来预测时间t的收益。这似乎不可能？是否有任何示例或解释说明如何实现此功能？

- SriK

Answer 1

首先，您必须将外生输入定义为一个数组类型结构，其维度为nobsxk，其中nobs是您内生观察值的数量（即假设您拥有一系列时间序列，则为时间序列的长度），k是您额外的外生变量的数量。假设您使用ndarray来实现这个目的，您可以从以下内容开始：

exog = np.empty([nobs, k])

然后，填充用于描述外生变量的值。接下来，按照以下示例定义模型：

model = sm.tsa.SARIMAX(endog=series, exog=exog, order=order, seasonal_order=seasonal_order).fit(start_params=[0, 0, 0, 0, 0, 1])

其中series是您的原始时间序列，exog是外生输入，order是(p,d,q)元组，seasonal_order是(P,D,Q,s)元组。您应该注意到我在这种情况下发现对成功构建sarimax模型至关重要的start_params列表。

当我没有使用任何外生输入时，(p,d,q) = (1,0,0)和(P,D,Q,s) = (1,0,0,37)时，start_params列表为start_params = [0, 0, 0, 1]。

当我添加了3个新的外生输入时，我将start_params列表设置为start_params = [0, 0, 0, 0, 1, 1]，如果您注意到，它有2个额外的元素。

我想（我不确定也没有彻底检查），如果您在模型中添加了k个外生输入，则必须在start_params列表中添加k-1个附加元素才能成功构建sarimax模型。

希望这有所帮助。干杯。

- Athanasios Salamanis

---

谢谢！是的，确实很有帮助。我会试试这个！ - SriK

请检查 model.params_complete 获取所需参数的数量和名称。 - aless80