python - 在 Python 中更新 ARIMA 预测

Question

我有一个包含 3068 个观察值的系列。 我想为第一个 3037 次观察生成一个 ARIMA(0,1,1) 模型，并用这个模型预测第 3038 个实际观察到第 3037 个。 然后我想用 3038 个实际观察更新这个 ARIMA(0,1,1) 模型，并用这个模型预测第 3039 个实际观察到第 3038 个实际观察。 继续... 一些草稿代码示例将不胜感激。

Answer 1

在我看来，更新整个 ARIMA 模型的速度很快，但我还没有找到仅将下一个观察值附加到模型的方法。我的完整模型重新拟合代码:

    for t in range(len(test)):
        model = ARIMA(history, order=(ar, i, ma))
        model_fit = model.fit(disp=0, solver=solver, max_iter=max_iter)
        output = model_fit.forecast()
        yhat = output[0]
        predictions.append(yhat)
        obs = test[t]  # the real observation (the expected value)
        history.append(obs)

您还可以通过在一个步骤中预测多个值来避免为每个新观察重新拟合完整模型。 我一次性预测所有值的代码(使用安全网模型可能无法预测您需要的所有点):

    iter = 0
    while iter < len(test):
        model = ARIMA(history, order=(ar, i, ma))
        model_fit = model.fit(disp=0, solver=solver)
        remaining_steps = len(test)-iter
        yhats, _, _ = model_fit.forecast(steps=remaining_steps)
        len_new = len(yhats)  # length of new predictions
        predictions = numpy.concatenate([predictions, yhats])
        history = numpy.concatenate([history, test[iter:iter+len_new]])
        iter += len_new

这是关于如何在 R 中完成的相关答案:https://stats.stackexchange.com/a/34191/149565