d>0但autoarima正常工作的ARIMA异常预测值

Question

因此，我试图得到5个arima模型（预测未来1到5天）。如果我使用d>；0或q>；0 自动arima工作时（pmdarima）

例如（Statsmodel）

p,d,q = 1, 1, 0

models = []
for dayidx in range(0,5):
    models.append(ARIMA(exog=X_train[dayidx], endog=y_train[dayidx],order=(p,d,q)).fit())

models[0].forecast(exog=X_test[0],steps=157)[0]

如果我将预测与p>；0，d>；0和q=0时，我没有得到预期的目标值（只有增加的值，比如x2-x10更高）。如果我使用预测p>；0，d=0，q=0我得到了可预测的值。如果我对q使用任何值，我会得到以下错误，这告诉我数据是非平稳的，这就是为什么我使用d>；如果im使用q>；0，它应该可以工作，但它不

The computed initial AR coefficients are not stationary
You should induce stationarity, choose a different model order, or you can
pass your own start_params.

这里是pmarima模型的代码

auto_arima = {'adf': [], 'kpss': []}
stattests = ('adf','kpss')
for stattest in stattests:
    print(stattest)
    for dayidx in range(0,5):
        auto_arima[stattest].append(pm.auto_arima(y=y_train[dayidx], exogenous=X_train[dayidx],
                             stepwise=True,
                             suppress_warnings=True, 
                             error_action="ignore",
                             test=stattest,
                             start_p=0,
                             start_d=0,
                             start_q=0,
                             max_p=6,
                             max_d=3,
                             max_q=3,
                             max_order=None, 
                             trace=False))
    print('done')

使用自动Arima（pmdarima）时，它的工作方式与应有的工作方式相同（在这里，我从d->；d>；0中获得了值）

Training with adf
(1, 0, 1)
(4, 0, 1)
(1, 0, 1)
(2, 0, 2)
(2, 0, 0)
Training with kpss
(1, 1, 2)
(1, 1, 2)
(2, 1, 1)
(1, 1, 2)
(2, 1, 1)

这些是arima模型训练的参数（pmarima）。所以q应该是>；0

有人知道为什么statsmodels的ARIMA不为我工作，而pmarima的autoarima为我工作吗

Answer 1

pmdarima使用Statsmodels类sm.tsa.SARIMAX，而不是类sm.tsa.ARIMA类

目前，建议所有ARIMA模型使用sm.tsa.SARIMAX类，因为sm.tsa.ARIMA类不再接收功能更新，将在下一版本（v0.12）中弃用

（还有一个新类sm.tsa.arima.ARIMA，它将是下一个Statsmodels发行版中的推荐版本，因为它包含sm.tsa.SARIMAX的所有特性，但也包含用于拟合模型的替代方法。）