使用 Holt-winters、ARIMA、指数平滑等在 Python 中预测时间序列值

Question

例如，如果我有以下时间序列：

x = [1999, 2000, 2001, ... , 2015]
annual_sales = [10000000, 1500000, 1800000, ... , 2800000]

我将如何使用 Python 中的 Holt-Winters 方法预测 2016 年的销售额？

Answer 1

您可以像这样使用Statsmodels.tsa 中的ExponentialSmoothing ：

import pandas as pd
import statsmodels.tsa.holtwinters as hw    

d = {'Year':x, 'Sales':annual_sales}
sales_df = pd.DataFrame(d)
sales_df['Year] = pd.to_datetime(sales_df['Year])
sales_df.set_index('Year', inplace=True)

model = hw.ExponentialSmoothing(sales_df).fit()

生成模型后，您可以使用predict().

然而，它似乎只适用于最新版本的 statsmodels。见这里。在我的基于 Windows 10 Anaconda 的 Python 3.6 安装中，我使用了它工作的 statsmodels 0.9.0。