时间序列预测，如何处理已知的大订单
我有许多数据集，其中包含已知的异常值（大额订单）。data <- matrix(c("08Q1","08Q2","08Q3","08Q4","09Q1","09Q2","09Q3","09Q4","10Q1","10Q2","10Q3","10Q4","11Q1","11Q2","11Q...
Python Statsmodels：使用外生回归变量的 SARIMAX 模型来获取预测均值和置信区间
我正在使用statsmodels.tsa.SARIMAX()来训练带外源变量的模型。在训练带外源变量的模型时，是否有类似于get_prediction()的方法，以便返回的对象包含预测均值和置信区间，而不仅仅是预测的均值数组？虽然predict()和forecast()方法可以使用外源变量，但...
如何进行多步骤的时点预测，而不需要重新拟合ARIMA模型？
我已经使用Python拟合了一个ARIMA（p，d，q）模型，该模型适用于时间序列数据（例如，data[0:100]）。 我想使用此模型进行预测（forecast[100:120]）。但是，考虑到我还有未来的真实数据（例如：data[100:120]），我该如何确保多步预测考虑到我拥有的未来真...
ARIMA模型预测解释
我正在努力向自己解释将ARIMA模型应用于时间序列数据集的预测结果。数据来自M1-Competition，系列是MNB65。我正在尝试将数据拟合到ARIMA（1,0,0）模型并获取预测结果。我正在使用R语言。这里是一些输出片段：> arima(x, order = c(1,0,0)) S...
使用auto.arima和xreg（解释变量）进行R时间序列预测
我有很多时间序列（零售数据），我想为它们所有做出预测。 例如，让我们来看看其中一个： x <- c(1774, 1706, 1288, 1276, 2350, 1821, 1712, 1654, 1680, 1451, 1275, 2140, 1747, 1749, 1770,...
使用R进行时间序列预测
我有以下的R代码。 library(forecast) value <- c(1.2, 1.7, 1.6, 1.2, 1.6, 1.3, 1.5, 1.9, 5.4, 4.2, 5.5, 6, 5.6, 6.2, 6.8, 7.1, 7.1, 5.8, 0, 5.2, 4.6, 3....
Python统计模型ARIMA预测
我正在尝试使用Python statsmodels进行样本外预测。我不想仅从训练集末尾预测x个值，而是想一个值一个值地预测，并考虑实际值来进行预测。换句话说，我想做滚动1期预测，但我不想每次重新校准模型。最接近的帖子在这里： ARMA out-of-sample prediction wit...
使用statsmodels进行预测
我有一个包含五年时间序列的.csv文件，分辨率为每小时（商品价格）。基于历史数据，我想创建第六年价格的预测。 我已经阅读了一些关于这些过程的文章，并且基本上根据那里发布的代码编写了我的代码，因为我对Python（特别是statsmodels）和统计知识的了解非常有限。 以下是链接，供有兴趣...
每周节假日预测
我使用Hyndman的“forecast”包在每周级别上生成了相对准确的“tbats”预测，但是在假期期间存在显著误差。如何在模型中包括假期？此外，已经证明Arima不适合我的每周数据。因此，必须以非arima的方式添加假期。 我看到了两个解决方案。其中一个https://robjhyndm...
Statsmodels使用ARMA模型进行预测
我希望能够预测时间序列数据。我在以前的文章中读到，模块statsmodels具有使用ARMA方法进行预测所需的工具，这正是我一直在寻找的。尽管如此，我在预测数据方面遇到了麻烦。是否有人可以解释模型中使用的各种参数和/或提供一个示例样本？