我正在使用statsmodels来适应ARMA模型。
import statsmodels.api as sm
arma = sm.tsa.ARMA(data, order =(4,4));
results = arma.fit( full_output=False, disp=0);
哪里 data 是一维数组。我知道要获得样本内预测：
pred = results.predict();
现在，给出第二个数据集 data2，我如何使用先前校准的模型生成一系列基于此观察结果的预测（预测）？
我认为这是一个问题。如果你在github上提交一个，我将更有可能记得添加这样的东西。预测机制（尚未）可用作面向用户的功能，因此您必须执行此类操作。
如果您已经适合模型，那么您可以这样做。
# this is the nsteps ahead predictor function
from statsmodels.tsa.arima_model import _arma_predict_out_of_sample
res = sm.tsa.ARMA(y, (3, 2)).fit(trend="nc")
# get what you need for predicting one-step ahead
params = res.params
residuals = res.resid
p = res.k_ar
q = res.k_ma
k_exog = res.k_exog
k_trend = res.k_trend
steps = 1
_arma_predict_out_of_sample(params, steps, residuals, p, q, k_trend, k_exog, endog=y, exog=None, start=len(y))
这是一个新的预测，领先一步。您可以将此更改为y，并且您需要更新残差。
我认为这是一个问题。如果你在github上提交一个，我将更有可能记得添加这样的东西。预测机制（尚未）可用作面向用户的功能，因此您必须执行此类操作。
如果您已经适合模型，那么您可以这样做。
# this is the nsteps ahead predictor function
from statsmodels.tsa.arima_model import _arma_predict_out_of_sample
res = sm.tsa.ARMA(y, (3, 2)).fit(trend="nc")
# get what you need for predicting one-step ahead
params = res.params
residuals = res.resid
p = res.k_ar
q = res.k_ma
k_exog = res.k_exog
k_trend = res.k_trend
steps = 1
_arma_predict_out_of_sample(params, steps, residuals, p, q, k_trend, k_exog, endog=y, exog=None, start=len(y))
这是一个新的预测，领先一步。您可以将此更改为y，并且您需要更新残差。
对于单变量样本外预测（测试）我们可以使用：
ARMAResults.forecast(steps=1, exog=None, alpha=0.05)
这将是 res.forcast(steps=1)
同样适用于ARIMA。
ARIMAResults.forecast(steps=1, exog=None, alpha=0.05)