start/end statsmodels AutoReg.predict 参数的含义

Question

我知道之前有人问过这个问题，但解决方案与新 statsmodel 版本 (0.12) 无关。

我在 pandas 中有这个数据集，数据框的名称是 train:

date         value  
2017-01-09  0.331836
2017-01-10  0.330815
2017-01-11  0.329794
2017-01-12  0.328773
2017-01-13  0.327752
...     ...
2020-05-29  0.254081
2020-05-30  0.267420
2020-05-31  0.280758
2020-06-01  0.294097
2020-06-02  0.309384

日期列是索引，我的最迟日期是 2020-06-02。我想获得从上次日期算起的 14 天的预报，即 2020-06-03（含）至 2020-06-16（含）期间的预报。我不确定我是否正确理解了开始和结束参数。

from statsmodels.tsa.ar_model import AutoReg,ar_select_order
f = 14
mod = ar_select_order(train[y_col].ravel(), maxlag=15)
AutoRegfit = AutoReg(train[y_col].ravel(), trend='c', lags=mod.ar_lags).fit()
AutoRegfit.predict(start=len(train),end=len(train)+f-1,dynamic=False)

>>> array([0.32489822, 0.34010067, 0.35508626, 0.36968769, 0.38416325,
       0.39825263, 0.41186002, 0.42501389, 0.43766567, 0.44985079,
       0.46153405, 0.47270074, 0.48336156, 0.49351065])

这看起来不错，但是，这是否意味着第一个预测 (0.32489822) 属于日期 2020-06-03 或 2020-06-02？因为通常在 python 中，当您指定一个范围时，第一个值被包括在内，最后一个不包括在内。

在文档中说：

the first forecast is start

这是否意味着 start 参数应该是 len(train)+1 而不是 len(train)？

Answer 1

这里没有设置 start=len(train) 是正确的。请注意，在此上下文中，Python 中的索引从 0 开始。因此，pandas 系列中的最后一个可用索引将是 len(train)-1.

验证这一点的一种简单方法是将 .predict() 的预测与手动计算的预测进行比较。因为我无权访问您的数据，所以我将使用 documentation 中的太阳黑子示例进行说明。在那里我们估计以下自回归模型

import statsmodels.api as sm
from statsmodels.tsa.ar_model import AutoReg
data = sm.datasets.sunspots.load_pandas().data['SUNACTIVITY']
res = AutoReg(data, lags=[1, 11, 12]).fit()

使用 .predict() 预测明年的价值现在产生

print(res.predict(start=len(data), end=len(data)))
>>> 35.964103

与人工计算的预测相同

print(sum(res.params * [1, *data.iloc[[-1, -11, -12]]]))
>>> 35.964103

start/end statsmodels AutoReg.predict 参数的含义

Meaning of start/end params of statsmodels AutoReg.predict

time-series

python-3.x

statsmodels