如何为 SARIMA 设置订单和季节性参数

Question

您好，谁能给我一个虚拟指南，用于在 statsmodels 的 SARIMA 模型中设置订单参数和季节性订单参数？

这些数字是从 ACF 和 PACF 图获得的吗？如果是，您如何从这些图中获得 AR 和 MA 的数字？我知道差异（I）不能从这两个图得出，我应该如何决定是否应该将其设置为 0、1 或 2？

谢谢

Answer 1

你可以使用：

pip install pmdarima

pmdarima

pip install pyramid-arima

请看： pyramid-auto-arima

from pyramid.arima.stationarity import ADFTest
adf_test = ADFTest(alpha=0.05)
adf_test.is_stationary(series)
train, test = series[1:500], series[501:910]
train.shape
test.shape
plt.plot(train)
plt.plot(test)
plt.title("Pyramid")
plt.show()

确实如此：

arima_fit =  statsmodels.tsa.SARIMAX(data_set, order = (1,0,1), seasonal_order = (0,1,0,50), trend = 'c').fit() 
prediction = arima_fit.predict('start', 'end', dynamic = True)

关于您对 ACF 和 PACF 的问题

ACF 代表自相关函数，PACF 代表部分 自相关函数。一起看这两个图会有所帮助 我们形成了适合什么模型的想法。自相关计算和 绘制时间序列的自相关。自相关是 由 k 次分隔的时间序列的观测值之间的相关性 单位。

同样，偏自相关衡量的是 与正在考虑的其他条款的关系，在这种情况下是其他 术语是模型中存在的干预滞后。例如， 滞后 4 处的偏自相关是滞后 4 处的相关性， 考虑滞后 1、2 和 3 的相关性。生成这些 在 Minitab 中绘制图，我们转到 Stat > Time Series > Autocorrelation 或 统计 > 时间序列 > 偏自相关。我已经生成了这些 我们的模拟数据图如下：

Fitting-an-arima-model