auto arima python中的预测间隔

Question

我想在 python 中使用 auto arima 计算 0.95 预测区间。我想得到预测的标准误差，就像我们可以在 R 中的 stats predict 中得到的那样。

那我就用公式——点预测±1.96*t时刻预测的标准误差得到上下界。

如何在 python 中获得预测的标准误差。我正在为此使用自动 arima 预测。我知道 statsmodel 预测有标准错误参数来获取这些，但我使用的是 Auto arima predict。请告诉我如何获得 auto arima 中 10 个时间步长的预测间隔？return Conf interval 参数返回非常宽的上下范围区间。如何获得 arima (1 0 2) 订单预测的标准误差。

Answer 1

Auto arima 通过包装statsmodels.tsa.ARIMA和statsmodels.tsa.statespace.SARIMAX一起作为估算器来工作。您可以像使用 statsmodels 一样提取结果。这是一个示例模型：

 model = auto_arima(y_train, start_p=0, start_q=0,
            test='adf',       
            max_p=7, max_q=7, 
            m=np.int(season),             
            d=n_diffs,           
            seasonal=True,  
            start_P=0, 
            D=1, 
            trace=True,
            error_action='ignore',  
            suppress_warnings=True, 
            stepwise=True)

和

print(model.conf_int())

将返回一个具有 95% 拟合参数置信区间的数组。请随时阅读此文档SARIMAX 结果以了解有关模型结果的更多信息。

对于 10 步预测，您可以执行以下操作来获得置信区间：

y_forec, conf_int  = model.predict(10,return_conf_int=True,alpha=0.05)
print(conf_int)

要获得模型标准误差，您可以使用以下方法提取标准误差：

std_error = model.bse()

为了得到预测标准误差，应使用置信区间来获得标准误差。这是一个解释相同的答案：std_err for forecast wiki for standard error and pred interval relationship