产生直线预测的 ARIMA 模型

Question

我在 2 个数据集上使用 ARIMA 模型做了一些实验

Airline passengers data
美元兑印度卢比数据

我在 Airline passengers data

上得到了正常的之字形预测

ARIMA 顺序=(2,1,2)

Model Results

但是在 USD vs Indian rupee data，我得到的预测是一条直线

ARIMA 顺序=(2,1,2)

Model Results

SARIMAX 顺序=(2,1,2), seasonal_order=(0,0,1,30)

Model Results

我尝试了不同的参数，但对于 USD vs Indian rupee data 我总是得到直线预测。

还有一个疑问，我读到 ARIMA 模型不支持具有季节性成分的时间序列（因为我们有 SARIMA）。那么为什么航空公司乘客数据 ARIMA 模型会产生周期性预测？

Answer 1

最近遇到了类似的问题，我建议如下：

可视化数据的季节性分解，以确保数据中存在季节性。请确保数据帧中包含频率分量。您可以使用以下命令在 pandas 数据帧中强制执行频率：

dh = df.asfreq('W') #for weekly resampled data and fillnas with appropriate method

这是一个进行季节性分解的示例代码：

import statsmodels.api as sm

decomposition = sm.tsa.seasonal_decompose(dh['value'], model='additive', 
                            extrapolate_trend='freq') #additive or multiplicative is data specific
fig = decomposition.plot()
plt.show()

该图将显示您的数据中是否存在季节性。请随意浏览这份关于季节性分解的惊人文件。 Decomposition

如果您确定模型的季节性成分是 30，那么您应该可以使用 pmdarima 包获得良好的结果。该软件包在为您的模型找到最佳 pdq 值方面非常有效。这是它的 link：pmdarima example code pmdarima

如果您不确定季节性，请咨询领域专家以了解数据的季节性影响，或尝试在模型中尝试不同的季节性成分并估计误差。

请确保在训练模型之前通过 Dickey-Fuller 测试检查数据的平稳性。 pmdarima 支持查找具有以下内容的 d 组件：

from pmdarima.arima import ndiffs
kpss_diff = ndiffs(dh['value'].values, alpha=0.05, test='kpss', max_d=12)
adf_diff = ndiffs(dh['value'].values, alpha=0.05, test='adf', max_d=12)
n_diffs = max(adf_diff , kpss_diff )

您还可以借助我在此处提供的文档找到 d。如果回答没有帮助，请提供汇率的数据来源。我将尝试用示例代码来解释流程。

产生直线预测的 ARIMA 模型

ARIMA model producing a straight line prediction

time-series

statsmodels

arima