如何在 python 中获取 statsmodels.tsa.holtwinters-ExponentialSmoothing 模型的置信区间？答案

【问题标题】：How to take confidence interval of statsmodels.tsa.holtwinters-ExponentialSmoothing Models in python?如何在 python 中获取 statsmodels.tsa.holtwinters-ExponentialSmoothing 模型的置信区间？
【发布时间】：2022-01-13 12:58:39
【问题描述】：

我在 python 中使用 ExponentialSmoothing 进行时间序列预测分析。我使用了 statsmodels.tsa.holtwinters。

model = ExponentialSmoothing(df, seasonal='mul', seasonal_periods=12).fit()
pred = model.predict(start=df.index[0], end=122)

plt.plot(df_fc.index, df_fc, label='Train')
plt.plot(pred.index, pred, label='Holt-Winters')
plt.legend(loc='best')

我想取模型结果的置信区间。但我在“statsmodels.tsa.holtwinters - ExponentialSmoothing”中找不到任何关于此的功能。我该怎么做？

【问题讨论】：

标签： python statsmodels forecasting confidence-interval holtwinters

【解决方案1】：

来自 GitHub 问题的this 回答，很明显您应该使用新的ETSModel 类，而不是旧的（但仍然存在以保持兼容性）ExponentialSmoothing。 ETSModel 比ExponentialSmoothing 包含更多参数和更多功能。

要计算置信区间，我建议你使用ETSResults的simulate方法：

from statsmodels.tsa.exponential_smoothing.ets import ETSModel
import pandas as pd


# Build model.
ets_model = ETSModel(
    endog=y, # y should be a pd.Series
    seasonal='mul',
    seasonal_periods=12,
)
ets_result = ets_model.fit()

# Simulate predictions.
n_steps_prediction = y.shape[0]
n_repetitions = 500

df_simul = ets_result.simulate(
    nsimulations=n_steps_prediction,
    repetitions=n_repetitions,
    anchor='start',
)

# Calculate confidence intervals.
upper_ci = df_simul.quantile(q=0.9, axis='columns')
lower_ci = df_simul.quantile(q=0.1, axis='columns')

基本上，调用simulate 方法你会得到一个带有n_repetitions 列和n_steps_prediction 步骤的DataFrame（在这种情况下，你的训练数据集中的相同数量的项目y）。然后，您使用 DataFrame quantile 方法计算置信区间（请记住 axis='columns' 选项）。您还可以从df_simul 计算其他统计信息。

我还查看了源代码：simulate 在内部被forecast 方法调用，以预测未来的步骤。因此，您还可以使用相同的方法预测未来的步骤及其置信区间：只需使用anchor='end'，这样模拟将从y 的最后一步开始。

公平地说，还有一种更直接的方法来计算置信区间：get_prediction 方法（内部使用simulate）。但我不太喜欢它的界面，它对我来说不够灵活，我没有找到指定所需置信区间的方法。在我看来，simulate 方法的方法很容易理解，而且非常灵活。

如果您想了解有关如何执行此类模拟的更多详细信息，请阅读优秀的预测：原则与实践在线书籍中的this 章节。

【讨论】：