时间序列分析/预测。

Question

时间序列分析/预测。

3

当我尝试使用AR(3)模型预测未来数据时，我的预测结果非常糟糕。我不太确定自己哪里出了问题，或者为什么预测结果会开始下降。非常感谢任何帮助或指导。非常感谢。

以下是我的示例：

import pandas as pd

df2 = pd.DataFrame({
     "Month" : [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15],
     "Sales Count": [10,15,24,30,33,45,67,70,75,88,92,95,98,105,115]
})

df2.index = df2.Month

df2 = df2.drop('Month',axis=1)

from statsmodels.tsa.arima_model import ARIMA

model = ARIMA(df2['Sales Count'],order=(3,0,0))
model = model.fit()

pred = model.predict(1,27)

这些是我的预测值：

1: 10.924977
2：19.647766
3：31.068473
4：35.592394
5：36.422376
6：52.956438
7：81.115237
8：74.101817
9：77.985398
10：95.468273
11：95.013056
12：96.333352
13：99.131086
14：108.245458
15：120.136458
16：122.627635
17：122.961509
18：121.735104
19：119.397032
20：116.308360
21：112.751786
22：108.946149
23：105.057805
24：101.210451
25：97.493384
26：93.968447
27：90.675809

预测示例图表：

- user19354061

嗨，我纠正了你代码的第一行，请确保它是你想要的。 - Rodalm

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Ritwick Jha · Answer 1

我想评论但还无法评论。需要澄清几点。

为什么您要使用自回归模型来进行适用于线性回归的预测模型？使用AR过程进行预测会引入不稳定性，随着阶数越高，保持预测稳定性会变得越困难，因为每个与x[t-1]，x[t-2]，x[t-3]对应的系数都更难以估计。