python – 使用statsmodels进行预测

我有一个包含5年时间序列的.csv文件,每小时分辨率(商品价格).根据历史数据,我想创建第六年的价格预测.

我在www上阅读了几篇关于这些类型的程序的文章,我基本上将我的代码基于那里发布的代码,因为我对Python(尤其是statsmodels)和统计数据的了解最多.

对于那些感兴趣的人来说,这些是链接：

http://www.seanabu.com/2016/03/22/time-series-seasonal-ARIMA-model-in-python/

http://www.johnwittenauer.net/a-simple-time-series-analysis-of-the-sp-500-index/

首先,这是.csv文件的示例.在这种情况下,数据以月分辨率显示,它不是真实数据,只是随机选择数字来举例说明(在这种情况下,我希望一年足以开发第二年的预测;如果没有,完整的csv文件可用)：

              Price
2011-01-31    32.21
2011-02-28    28.32
2011-03-31    27.12
2011-04-30    29.56
2011-05-31    31.98
2011-06-30    26.25
2011-07-31    24.75
2011-08-31    25.56
2011-09-30    26.68
2011-10-31    29.12
2011-11-30    33.87
2011-12-31    35.45

我目前的进展如下：

读取输入文件并将日期列设置为日期时间索引后,使用以下脚本开发可用数据的预测

model = sm.tsa.ARIMA(df['Price'].iloc[1:], order=(1, 0, 0))  
results = model.fit(disp=-1)  
df['Forecast'] = results.fittedvalues  
df[['Price', 'Forecast']].plot(figsize=(16, 12))  

,它给出以下输出：

现在,正如我所说,我没有统计技能,我几乎不知道如何得到这个输出(基本上,改变第一行内的order属性会改变输出),但’实际’预测看起来非常好,我想再延长一年(2016年).

为此,在数据框中创建了其他行,如下所示：

start = datetime.datetime.strptime("2016-01-01", "%Y-%m-%d")
date_list = pd.date_range('2016-01-01', freq='1D', periods=366)
future = pd.DataFrame(index=date_list, columns= df.columns)
data = pd.concat([df, future])

最后,当我使用statsmodels的.predict函数时：

data['Forecast'] = results.predict(start = 1825, end = 2192, dynamic= True)  
data[['Price', 'Forecast']].plot(figsize=(12, 8))

我得到的预测是一条直线(见下文),它看起来并不像预测.此外,如果我将范围(现在是从第1825天到第2192天(2016年))扩展到整个6年的时间跨度,则预测线是整个期间(2011-2016)的直线.

我也尝试使用’statsmodels.tsa.statespace.sarimax.SARIMAX.predict’方法,该方法考虑了季节性变化(在这种情况下有意义),但我得到一些关于’module’没有属性的错误’ SARIMAX”.但这是次要问题,如果需要,将会详细介绍.

某处我失去了控制力,我不知道在哪里.谢谢阅读.干杯!

最佳答案:

听起来你使用的是不支持SARIMAX的旧版statsmodels.您需要安装最新发布的0.8.0版本,请参阅http://statsmodels.sourceforge.net/devel/install.html.

我正在使用Anaconda并通过pip安装.

pip install -U statsmodels

SARIMAX模型的结果类有许多有用的方法,包括预测.

data['Forecast'] = results.forecast(100)

将使用您的模型预测未来的100个步骤.

标签：python,statsmodels,forecasting
来源： https://codeday.me/bug/20190516/1115146.html