在 Python 中使用 Holt-winters、ARIMA、指数平滑等来预测时间序列值

【问题标题】：Using Holt-winters, ARIMA, exponential smoothing, etc. to forecast time series value in Python在 Python 中使用 Holt-winters、ARIMA、指数平滑等来预测时间序列值
【发布时间】：2016-06-27 12:16:07
【问题描述】：

例如，如果我有以下时间序列：

x = [1999, 2000, 2001, ... , 2015]
annual_sales = [10000000, 1500000, 1800000, ... , 2800000]

如何在 Python 中使用 Holt-Winters 方法预测 2016 年的销售额？

【问题讨论】：

标签： python forecasting

【解决方案1】：

您可以像这样使用 Statsmodels.tsa 的 ExponentialSmoothing：

import pandas as pd
import statsmodels.tsa.holtwinters as hw    

d = {'Year':x, 'Sales':annual_sales}
sales_df = pd.DataFrame(d)
sales_df['Year] = pd.to_datetime(sales_df['Year])
sales_df.set_index('Year', inplace=True)

model = hw.ExponentialSmoothing(sales_df).fit()

模型生成后，您可以使用predict()。

不过，它似乎只适用于最新版本的 statsmodels。见here。在我的基于 Windows 10 Anaconda 的 Python 3.6 安装中，我使用了 statsmodels 0.9.0，它可以在其中工作。

【讨论】：

不要只链接到解决方案。在答案正文中解释解决方案。