我应该如何用每日数据指定因果关系中的年度季节性？

Question

我正在用Python实现Google的CausalImpact包。我的数据是每日频率（每年365次观察）；然而，为了检验干预的效果，我的前期约为5个月，后期约为5个月。我的全方位数据（长约3年）清楚地显示每年的季节性。这个包的当前文档，包括同行评审的论文，在定义模型消费的年度季节性方面没有给出太多。如何设置年度季节性模型

基于我对这个变量的理解，我已经尝试将nseasons参数设置为52。这导致前53个数据点被从模型中删除（类似于我尝试将365用于nseason时的情况，但由于没有>；365个数据点）

dated_data = df

pre_period = ['2018-01-01', '2018-06-05']   # Prior to known event

post_period = ['2018-06-06', '2019-11-25']  # After first, before second event

ci = CausalImpact(dated_data, pre_period, post_period,
                   prior_level_sd=None,
                   niter=1000, nseasons=[{'period': ???}],
                   seasonal_duration=???)'

我希望结果是一个模型，包括每年的季节性，如预测值所证明的那样，没有删减这么多的数据点