您如何为节假日期间具有可变季节性的零售销售建模？

Question

我在 python 中使用 statsmodels 来预测沃尔玛 kaggle 数据集的每周零售额。在通过 SARIMA 运行之前，我无法实现平稳性。问题是复活节每年可能相隔数周。您如何为假期中的这些波动建模？

我已经尝试对最佳 (p,d,q)(P,D,Q)m 参数进行网格搜索。我的网格搜索返回了 (0,1,0)(0,2,0)52 的 SARIMA，AIC 为 832，但在绘制时它显然非常倾斜（这是预期的，因为我的数据实际上从未通过这些转换实现平稳性）。

有人对使用 SARIMAX 和零售季节性有什么建议吗？我知道 R 包更好，但我不知道 R，我希望没有它我也能解决这个问题。

p, d, q = 0, 1, 0
P, D, Q, m = 0, 2, 0, 52

model = SARIMAX(train11.Weekly_Sales.asfreq('W-FRI'), order=(p,d,q), seasonal_order=(P,D,Q,m),
                trend='n', enforce_stationarity=False, enforce_invertibility=False)
model_fit = model.fit()
model_fit.summary()

==========================================================================================
Dep. Variable:                       Weekly_Sales   No. Observations:                  143
Model:             SARIMAX(0, 1, 0)x(0, 2, 0, 52)   Log Likelihood                -415.101
Date:                            Tue, 02 Apr 2019   AIC                            832.202
Time:                                    21:48:24   BIC                            833.813
Sample:                                02-05-2010   HQIC                           832.770
                                     - 10-26-2012                                         
Covariance Type:                              opg                                         
==============================================================================
                 coef    std err          z      P>|z|      [0.025      0.975]
------------------------------------------------------------------------------
sigma2      2.202e+08   1.77e+07     12.406      0.000    1.85e+08    2.55e+08
===================================================================================
Ljung-Box (Q):                       28.96   Jarque-Bera (JB):                77.77
Prob(Q):                              0.79   Prob(JB):                         0.00
Heteroskedasticity (H):               0.00   Skew:                            -1.44
Prob(H) (two-sided):                  0.00   Kurtosis:                         9.49
===================================================================================

Answer 1

最简单的方法是对假期和特殊事件使用虚拟变量。 SARIMAX 允许在 exog.

中指定其他解释变量

如果有足够的年份来估计复活节效应，则虚拟变量可以针对特定日期，例如复活节效应，或者可以将多个假期合并到同一个虚拟变量中，例如圣诞节前的几个周末，购物量要高得多比平时.

SARIMA 本身将无法捕捉像复活节这样的效果，因为即使有一年的季节性，假期也不会有固定的周期长度。

您如何为节假日期间具有可变季节性的零售销售建模？

How do you model retail sales with variable seasonality around holidays?

python

time-series

forecasting

statsmodels