自回归模型预测衰减到平坦线
Auto-regressive model prediction decays to flatline
抱歉，如果这是一个简单的 question/error，但是当我尝试使用 statsmodels.tsa AR 预测时间序列时，预测平坦线很快超过了我拥有的数据。这不取决于模型的顺序或用于拟合 AR 模型的数据的长度。
我做错了什么？
from statsmodels.tsa.ar_model import AR
section1 = data[0:800]-np.mean(data[0:800])
plt.plot(section1)
x = AR(section1)
y = x.fit(5)
z = y.predict(10,1500)
plt.plot(z)
没有错。这是预测收敛于均值的平稳 ARMA 过程的行为。
如果你有固定的季节性，那么你可以在季节性滞后对时间序列进行差分，即使用 SARIMA，预测将收敛到固定的季节性结构。
如果您有解释变量，那么平稳 ARMAX 的预测将收敛到 X 变量给出的平均值。
抱歉，如果这是一个简单的 question/error，但是当我尝试使用 statsmodels.tsa AR 预测时间序列时，预测平坦线很快超过了我拥有的数据。这不取决于模型的顺序或用于拟合 AR 模型的数据的长度。
我做错了什么？
from statsmodels.tsa.ar_model import AR
section1 = data[0:800]-np.mean(data[0:800])
plt.plot(section1)
x = AR(section1)
y = x.fit(5)
z = y.predict(10,1500)
plt.plot(z)
没有错。这是预测收敛于均值的平稳 ARMA 过程的行为。
如果你有固定的季节性，那么你可以在季节性滞后对时间序列进行差分，即使用 SARIMA，预测将收敛到固定的季节性结构。
如果您有解释变量，那么平稳 ARMAX 的预测将收敛到 X 变量给出的平均值。