这是提前一步预测吗？我可以把它变成多步预测吗？

Question

我“继承”了这段代码，对SARIMAX模型不熟悉。评论有助于理解发生了什么，但我不明白预测完成的最后一行。

该数据集共有 1171 行，分为 1000 行训练行和 171 行测试行。这转化为：

 Model.predict(1000, 1170, exog=exo_test, typ='levels')

我查看了 predict() 的文档。第一个参数是 endog 参数，第二个应该是 exog 参数。但是当 exog=exog_test 时，1170 应该是什么意思？此外，文档中没有提到 'typ' 参数。

不明白的地方：

这是超前一步的预测吗？意味着它取真值，预测下一步然后丢弃预测，及时取下一个真值来预测下一步？

[1. a) 如果是一步预测，SARIMAX 模型是否需要拟合 again/retrained？难道不应该使用最后的真实值，因此在每一步预测之后都对真实值进行再训练吗？]

这是多步预测吗，意味着 t+2 中的预测是基于预测而不是 t+1 中的真实值？
由于我假设它是一步预测，是否可以“轻松”将其转换为多步预测？

完整代码：

#load dataset
df = pd.read_csv('data.csv', index_col = 'date', parse_dates = True)

#split the closing price into train and test data
train = df.iloc[:1000,4]
test = df.iloc[1000:,4]

#select exogenous variables
exo = df.iloc[:,6:61]

#split exogenuous variables into train and test data
exo_train = exo.iloc[:1000]
exo_test = exo.iloc[1000:]

#run auto_arima to find the best configuration (I selected m=7 and D=1 by running seasonal_decompose and acf and pacf plots)
auto_arima(df['close'], exogenous=exo, m=7, trace=True, D=1).summary()

#set the best configuration from auto_arima for the SARIMAX model 
Model = SARIMAX(train, exog = exo_train, order=(1,0,2), seasonal_order = (0,1,1,7))

#train model
Model = Model.fit()

#get prediction
prediction = Model.predict(len(train), len(train)+len(test)-1, exog = exo_test, typ = 'levels')

Answer 1

一个简单的练习将表明这些是动态预测，multi-step 也是如此（也就是说，第一个是 1 步，然后第二个是 2 -步，依此类推）。

#generate dataset
import matplotlib.pyplot as plt
from statsmodels.tsa.api import ArmaProcess, SARIMAX
import numpy as np
np.random.seed(20220308)

ap = ArmaProcess.from_coeffs([1.8, -0.9])
sample = ap.generate_sample(1170)

#split the closing price into train and test data
train = sample[:1000]
test = sample[1000:]

#select exogenous variables
exo = np.random.standard_normal((1170, 2))

#split exogenuous variables into train and test data
exo_train = exo[:1000]
exo_test = exo[1000:]

#set the best configuration from auto_arima for the SARIMAX model 
model = SARIMAX(train, exog = exo_train, order=(2,0,0), trend="c")

#train model
res = model.fit()

#get prediction
prediction = res.predict(len(train), len(train)+len(test)-1, exog = exo_test, typ = 'levels')

x = np.arange(len(prediction))
plt.plot(x,test, x, prediction)
plt.show()

产生

您可以看出它是 multi-step，因为该模型是固定的（AR(2)）并且 long-run 预测恢复为无条件均值。

这是提前一步预测吗？我可以把它变成多步预测吗？

Is this one-step ahead prediction? Can I turn it into multistep prediction?

python

statistics

machine-learning

time-series

statsmodels