start_ar_lags 属性在 ARMA 模型中有什么作用?
What does the start_ar_lags attribute do in an ARMA model?
我正在使用 statsmodel 库中的 ARMA 模型。
看到这个参数start_ar_lags设置的时候报错:
ValueError: The computed initial AR coefficients are not stationary
You should induce stationarity, choose a different model order, or you can
pass your own start_params.
一个例子有非平稳数据,在得到这个错误后他们添加了 start_ar_lags 参数。
model_ar_6_ma_6 = ARMA(df.market_value, order=(6,6))
results_ar_6_ma_6 = model_ar_6_ma_6.fit(start_ar_lags = 11)
这有效,但是 start_ar_lags 有什么作用。 ARMA 模型是否仍然分别对 AR 和 MA 使用 6 和 6 滞后。
文档说:
If start_ar_lags is not None, fits an AR process with a lag length equal to start_ar_lags.
它真的会改变模型中的滞后数吗?
start_ar_lags
是 _fit_start_params_hr
方法的参数,用于获取拟合的起始参数。如果 start_ar_lags
是 None
,则此方法首先拟合通过最佳 BIC 选择的 AR 顺序过程。如果 start_ar_lags
不是 None
,则它适合订单 start_ar_lags
的 AR 过程。然后,使用此 AR 拟合的残差,它拟合您在 ARMA()
构造函数中指定的 (p, q)
阶 ARMA 过程,并用作起始参数和整个模型的第一个猜测适合从这里继续。
所以不会,它不会影响您的模型订单。
我正在使用 statsmodel 库中的 ARMA 模型。
看到这个参数start_ar_lags设置的时候报错:
ValueError: The computed initial AR coefficients are not stationary
You should induce stationarity, choose a different model order, or you can
pass your own start_params.
一个例子有非平稳数据,在得到这个错误后他们添加了 start_ar_lags 参数。
model_ar_6_ma_6 = ARMA(df.market_value, order=(6,6))
results_ar_6_ma_6 = model_ar_6_ma_6.fit(start_ar_lags = 11)
这有效,但是 start_ar_lags 有什么作用。 ARMA 模型是否仍然分别对 AR 和 MA 使用 6 和 6 滞后。
文档说:
If start_ar_lags is not None, fits an AR process with a lag length equal to start_ar_lags.
它真的会改变模型中的滞后数吗?
start_ar_lags
是 _fit_start_params_hr
方法的参数,用于获取拟合的起始参数。如果 start_ar_lags
是 None
,则此方法首先拟合通过最佳 BIC 选择的 AR 顺序过程。如果 start_ar_lags
不是 None
,则它适合订单 start_ar_lags
的 AR 过程。然后,使用此 AR 拟合的残差,它拟合您在 ARMA()
构造函数中指定的 (p, q)
阶 ARMA 过程,并用作起始参数和整个模型的第一个猜测适合从这里继续。
所以不会,它不会影响您的模型订单。