在SARIMAX时间序列预测中添加额外变量作为exog

Question

假设我需要预测每月的TPV/销售额，这将受到黑色星期五、网络星期一、圣诞节和其他活动的影响。。 我在dataframe中添加了所有这4个变量，并将其包含在“exog”中，如下所示

mod=sm.tsa.statespace.SARIMAX（Y，order=param，seasional\u order=param\u seasional，exog=exog\u var，强制平稳性=False，强制可逆性=False）

我的问题是，我们如何为未来日期添加这4个exog变量的值？？ 如果我添加这4个变量并将“TPV/sales”列留空。。 它不能预测这些时间段和输出“nan”

请帮助我了解如何为未来日期添加exog变量以及如何预测Y变量

Answer 1

statsmodels结构分析的方法包括以下步骤：

1. 创建一个模型来描述您的数据，例如：

   mod = sm.tsa.SARIMAX(endog_training, order=(1, 0, 0), exog=exog_training)
   

2. 适合您模型的参数，例如：

   res = mod.fit()
   

3. 进行后评估分析

   a。例如，您可能希望检查拟合参数、摘要输出等，例如：

   print(res.summary())
   

   b。或者，如您的情况，您可能希望执行样本外预测，例如：

   forecast = res.forecast(nsteps, exog=exog_test)
   

因此，您只希望在模型构建步骤中包含培训数据。当您希望使用样本外exog值预测新时段时，可以使用results对象的forecast方法进行预测