ARIMA 模型简介

Python 中的 ARIMA 模型

James Fulton

Climate informatics researcher

非平稳时间序列回顾

Python 中的 ARIMA 模型

非平稳时间序列回顾

Python 中的 ARIMA 模型

差分序列的预测

Python 中的 ARIMA 模型

差分后重构原始时间序列

diff_forecast = results.get_forecast(steps=10).predicted_mean

from numpy import cumsum

mean_forecast = cumsum(diff_forecast)
Python 中的 ARIMA 模型

差分后重构原始时间序列

diff_forecast = results.get_forecast(steps=10).predicted_mean

from numpy import cumsum

mean_forecast = cumsum(diff_forecast) + df.iloc[-1,0]
Python 中的 ARIMA 模型

差分后重构原始时间序列

Python 中的 ARIMA 模型

ARIMA 模型

 

  • 进行差分
  • 拟合 ARMA 模型
  • 积分还原预测

能避免这么多步骤吗？

可以！

ARIMA——自回归积分滑动平均

Python 中的 ARIMA 模型

使用 ARIMA 模型

from statsmodels.tsa.arima.model import ARIMA

model = ARIMA(df, order=(p,d,q))
  • p：自回归阶数
  • d：差分阶数
  • q：移动平均阶数

ARIMA$(p,0,q)$ = ARMA$(p,q)$

Python 中的 ARIMA 模型

使用 ARIMA 模型

# Create model
model = ARIMA(df, order=(2,1,1))

# Fit model
model.fit()

# Make forecast
mean_forecast = results.get_forecast(steps=10).predicted_mean
Python 中的 ARIMA 模型

使用 ARIMA 模型

# Make forecast
mean_forecast = results.get_forecast(steps=steps).predicted_mean

Python 中的 ARIMA 模型

选择差分阶数

adf = adfuller(df.iloc[:,0])
print('ADF Statistic:', adf[0])
print('p-value:', adf[1])

ADF Statistic: -2.674
p-value: 0.0784

adf = adfuller(df.diff().dropna().iloc[:,0])
print('ADF Statistic:', adf[0])
print('p-value:', adf[1])

ADF Statistic: -4.978
p-value: 2.44e-05
Python 中的 ARIMA 模型

选择差分阶数

model = ARIMA(df, order=(p,1,q))
Python 中的 ARIMA 模型

Vamos praticar!

Python 中的 ARIMA 模型

Preparing Video For Download...