我正在学习时间序列分析,我在两个数据集上用ARIMA
模型做了一些实验
我得到了一个正常的锯齿形预测Airline passengers data
ARIMA顺序=(2,1,2)
但在USD vs Indian rupee data
上,我得到的预测是一条直线
ARIMA顺序=(2,1,2)
SARIMAX顺序=(2,1,2),季节性顺序=(0,0,1,30)
我尝试了不同的参数,但是对于USD vs Indian rupee data
我总是得到一个直线预测。在
还有一个小疑问,我已经读到,ARIMA
模型不支持带有季节性成分的时间序列(因为我们有SARIMA)。那么为什么对于航空公司乘客数据ARIMA
模型会产生周期性的预测。在
我是时间序列分析的新手,任何评论都会有很大的帮助
最近经历过类似的问题,我建议如下:
可视化数据的季节性分解,以确保数据中存在季节性。请确保数据帧中包含频率分量。您可以使用以下命令在pandas dataframe中强制执行频率:
dh = df.asfreq('W') #for weekly resampled data and fillnas with appropriate method
下面是一个执行季节分解的示例代码:
该图将显示数据中是否存在季节性。请随意浏览这篇关于季节分解的惊人文件。Decomposition
pmdarima
包获得一个好的结果。该包在为您的模型找到最佳的pdq
值方面非常有效。这是它的链接:pmdarimaexample code pmdarima如果您不确定季节性,请咨询领域专家关于您的数据的季节性影响,或者尝试在您的模型中尝试不同的季节性成分并估计误差。在
在训练模型之前,请确保数据的平稳性通过Dickey-Fuller检验。}组件:
^{pr2}$pmdarima
支持使用以下内容查找{您还可以在我提供的文档的帮助下找到
d
。如果答案没有帮助,请提供汇率的数据来源。我将尝试用一个示例代码来解释流程。在相关问题 更多 >
编程相关推荐