将保存的参数（Pandas 系列）加载到 Statsmodels state-space 模型中

Question

我正在使用优秀的 python 包 statsmodels 构建一个动态因子模型，我想 pickle 一个估计的参数向量，这样我可以稍后再次构建模型，并加载那些参数进去。（C.f，Chad Fulton 制作的笔记本：https://github.com/ChadFulton/tsa-notebooks/blob/master/dfm_coincident.ipynb.）

在下面的代码块中，使用 mod.fit()（使用 Powell 算法）估计初始参数，然后返回给 mod.fit() 以使用以下方法完成估计（使用 EM 算法）初始参数为 initial_res.params。（后者是Pandas系列。）

mod = sm.tsa.DynamicFactor(endog, k_factors=1, factor_order=2, error_order=2)
initial_res = mod.fit(method='powell', disp=False)
res = mod.fit(initial_res.params)

我想 pickle res.params（同样，一个小的 Pandas 系列，以及一个小的磁盘占用空间）。然后再次从头开始构建模型，并将我保存的参数加载到其中，而无需重新估计模型。有人知道怎么做吗？

我看到的示例建议对结果对象进行 pickling res，但这可以节省很多。从头开始构建它非常简单，但估计需要一段时间。从保存的最优参数开始估计可能更快；但是，这仍然很业余，对吧？

TIA，德鲁

Answer 1

您可以在任何状态 space 模型上使用 smooth 方法从特定参数构造结果对象。在您的示例中：

mod = sm.tsa.DynamicFactor(endog, k_factors=1, factor_order=2, error_order=2)
initial_res = mod.fit(method='powell', disp=False)
res = mod.fit(initial_res.params)

res.params.to_csv(...)

# ...later...

params = pd.read_csv(...)

res = mod.smooth(params)

将保存的参数（Pandas 系列）加载到 Statsmodels state-space 模型中

Loading saved params (a Pandas series) into a Statsmodels state-space model

python

state-space

statsmodels