使用ARMAX（0,2）模型进行预测，无论传递的是外生变量数组，都会产生相同的结果

Question

我使用statsmodels ARMA功能来生成一个预测，使用一个带有1个外生变量的ARMAX（0,2）模型，得到了违反直觉的结果。在

不管在预测函数中传递给exog的外生变量（例如arma_资源预测（steps=5，exog=f_exog）），则返回除最后一个元素外的相同预测数组。在

例如：

arparams = np.array([0])
maparams = np.array([.65, .35])

arparams = np.r_[1, -arparams]
maparam = np.r_[1, maparams]
nobs = 250
y = arma_generate_sample(arparams, maparams, nobs)

exog = np.random.normal(size=nobs)

arma_mod = sm.tsa.ARMA(y, order=(0, 2), exog=exog)
arma_res = arma_mod.fit(trend='nc', disp=-1)

# Exogenous vars for forecasts
f_exog = [10, 10, 10, 10, 10]
f_exog_2 = [x * 5 for x in f_exog]

forecast_1 = arma_res.forecast(steps=5, exog=f_exog)[0]
forecast_2 = arma_res.forecast(steps=5, exog=f_exog_2)[0]

预测：

^{pr2}$

这里有一个笔记本，上面有这个设置：https://github.com/dbrodSq/ARMA_Test/blob/master/Statsmodels_forecast_example.ipynb

无论“steps”参数如何，上述模式都有效。有人知道为什么吗？在

我相信多个时期的ARMAX预测是可能的，我不相信只要k峎ar出现类似的问题！=0（即至少有一个AR参数）。在

抱歉，如果我错过了一些明显的东西，非常感谢你的帮助。在