我有一个每日时间序列数据集,我使用 Python SARIMAX 方法来预测 future 。但我不知道如何在 python 中编写考虑多个季节性的代码。据我所知,SARIMAX 只处理一个季节性,但我想检查每周、每月和每季度的季节性。我知道要捕捉星期几的季节性,我应该创建 6 个虚拟变量,要捕捉月份的季节性,创建 30 个虚拟变量,并且要捕捉一年中的月份,创建 11 个虚拟变量。但我不知道如何将它与 Python 中的主要 SARIMAX 函数合并?我的意思是 SARIMAX 只是一个执行自回归、移动平均和差分部分的函数,但是我应该如何在使用 SARIMAX 的时间序列分析中包含多个季节性代码?到目前为止,我知道如何为每个类别创建虚拟变量,但不知道如何将其复制到整个数据集?之后我不知道如何编写 Python 代码来执行 SARIMAX 并同时捕获多个季节性。
我需要可以执行此操作的 Python 代码的帮助。
请相应地建议
问候
最佳答案
是的,SARIMA 模型是为处理单一季节性而设计的。
称为傅立叶项的方法。
季节性效应,称为 TBABS。这是一个例子
包括两种方法的代码和解释:
https://medium.com/intive-developers/forecasting-time-series-with-multiple-seasonalities-using-tbats-in-python-398a00ac0e8a
提出了一个更简单的方法来解决这个问题。
关于python - Python中的多季节性时间序列分析,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50711771/