为什么 statsmodels 中的指数平滑 return 时间序列预测的相同值？

Question

我正在使用以下代码在 statsmodels 中获得简单的指数平滑。

years = [1979,1980,1981,1982,1983,1984,1985,1986,1987,1988]
mylist = [3.508046180009842, 64.08556070923805, 15.407086104154587, 0, 3.8572598099708557, 11.009202659130096, 5.324577212333679, 4.33474725484848, 4.024865210056305, 5.065838277339935]

import pandas as pd
from statsmodels.tsa.api import ExponentialSmoothing, SimpleExpSmoothing
myinput = pd.Series(mylist, years)
fit_model = SimpleExpSmoothing(myinput).fit()
smoothed = fit_model.fittedvalues
print(smoothed.tolist())

结果让我很意外。即我每年都得到相同的值。

[11.661719028226004, 11.661719028226004, 11.661719028226004, 11.661719028226004, 11.661719028226004, 11.661719028226004, 11.661719028226004, 11.661719028226004, 11.661719028226004, 11.661719028226004]

我想知道为什么我每年都得到相同的值。请让我知道如何解决这个问题？

如果需要，我很乐意提供更多详细信息。

Answer 1

如果索引不是 DatetimeIndex 或 RangeIndex 类型，则会引发此错误。

在你的情况下，列表只是转换为 "normal" Int64Index.

我尝试了几件事，例如converting 将索引转换为 RangeIndex

myinput = pd.Series(mylist, range(1979, 1989))

或DatetimeIndex

years_index = [datetime(_, 1, 1) for _ in years] 
myinput = pd.Series(mylist, years_index)

但是还有一个例外。

我认为您的问题的解决方案是提供关键字参数 smoothing_level 来匹配

fit_model = SimpleExpSmoothing(myinput).fit(smoothing_level=0.2)

那么返回的数字是不一样的。我没有检查结果，但大部分绘图代码都可以在 statsmodel tutorial.

中找到

默认值似乎是 smoothing_level=None，但我不确定为什么 fit 函数不能开箱即用。

文档仅说明

The smoothing_level value of the simple exponential smoothing, if the value is set then this value will be used as the value.

This 是文档中提到的简单指数平滑方法的描述，如果您对如何定义平滑级别感兴趣。

Answer 2

来自文档：

“简单指数平滑具有“平坦”的预测功能。

也就是说，所有预测都取相同的值，等于最后一级组件。请记住，这些预测仅适用于时间序列没有趋势或季节性成分的情况。"

https://otexts.com/fpp2/ses.html

为什么 statsmodels 中的指数平滑 return 时间序列预测的相同值？

Why does exponential smoothing in statsmodels return identical values for a time series forecast?

python

signal-processing

time-series

smoothing

statsmodels