多个系列的自动 ARIMA 给出 \" ValueError : Encountered exception in stationarity test (\'adf\') \"

Question

我有一个包含 109 行和 96 列的时间序列数据框。我一直在尝试通过遍历每一列来在数据帧上实现 Auto Arima 以获取模型建议的参数，但我得到如下错误。有人可以帮忙吗？

在系列而不是数据框上构建模型会有帮助吗？如果是这样，我该如何构建整个数据而不是每一列？

" ValueError: Encountered exception in stationarity test ('adf'). This can occur in seasonal settings when a large enough `m` coupled with a large enough `D` difference the training array into too few samples for OLS (input contains 109 samples). Try fitting on a larger 
training size (raised from LinAlgError: Singular matrix) "

代码：

series = df_main_scaled.columns    
for col in series:
    print("Auto Arima for : ",{col})
    model = pm.auto_arima(df[col], start_p=1, start_q=1,
                        test='adf',
                        max_p=4, max_q=4,
                        m=1,             
                        d=None,          
                        trace=True,
                        error_action='ignore',  
                        suppress_warnings=True, 
                        stepwise=True)
    print(model.aic())
    model.summary()

Answer 1

只有 1 的季节性 (m) 没有任何意义。季节性意味着您的时间序列中反复出现的模式（例如，几个月内温度的上升和下降），但单个观察不能具有这样的模式。当然，您需要删除m 或设置更高的值，具体取决于您的数据。