python - 适用于python的auto.arima()

我正在尝试使用ARMA ARIMA模型预测每周销售量。我在statsmodels中找不到用于调整order(p，d，q)的函数。当前，R具有函数forecast::auto.arima()，它将调节(p，d，q)参数。

如何为模型选择正确的顺序？ python中有为此目的提供的任何库吗？

最佳答案

您可以实现多种方法:

ARIMAResults 包括aic和bic。根据它们的定义(请参阅here和here)，这些条件对模型中的参数数量不利。因此，您可以使用这些数字来比较模型。 scipy还有 optimize.brute ，它在指定的参数空间上进行网格搜索。因此，这样的工作流程应该可以工作:

def objfunc(order, exog, endog):
    from statsmodels.tsa.arima_model import ARIMA
    fit = ARIMA(endog, order, exog).fit()
    return fit.aic()

from scipy.optimize import brute
grid = (slice(1, 3, 1), slice(1, 3, 1), slice(1, 3, 1))
brute(objfunc, grid, args=(exog, endog), finish=None)

确保使用brute调用finish=None。

您可以从pvalues获得ARIMAResults。因此，一种易于执行的步进算法可以在整个维度上增加模型的度数，从而为添加的参数获得最低的p值。

使用 ARIMAResults.predict 交叉验证替代模型。最好的方法是使时间序列的尾部(例如最新数据的5％)不出现在样本中，并使用这些点来获得拟合模型的测试误差。