我使用python中的statsmodels通过Walmart-kaggle数据集预测每周零售额。我在通过沙里玛之前很难达到平稳性。问题是复活节一年比一年间隔几周。你如何为假期的波动建模?你知道吗
我试过做一个网格搜索,寻找最好的(p,d,q)(p,d,q)m参数。我的gridsearch返回了一个SARIMA值(0,1,0)(0,2,0)52,AIC值为832,但是当绘制时,它显然是非常倾斜的(这是意料之中的,因为我的数据从来没有通过这些变换实现过平稳性)。你知道吗
有没有人对零售季节性使用SARIMAX有什么建议?我知道R包是优越的,但我不知道R,我希望我可以解决这个没有它。你知道吗
p, d, q = 0, 1, 0
P, D, Q, m = 0, 2, 0, 52
model = SARIMAX(train11.Weekly_Sales.asfreq('W-FRI'), order=(p,d,q), seasonal_order=(P,D,Q,m),
trend='n', enforce_stationarity=False, enforce_invertibility=False)
model_fit = model.fit()
model_fit.summary()
==========================================================================================
Dep. Variable: Weekly_Sales No. Observations: 143
Model: SARIMAX(0, 1, 0)x(0, 2, 0, 52) Log Likelihood -415.101
Date: Tue, 02 Apr 2019 AIC 832.202
Time: 21:48:24 BIC 833.813
Sample: 02-05-2010 HQIC 832.770
- 10-26-2012
Covariance Type: opg
==============================================================================
coef std err z P>|z| [0.025 0.975]
------------------------------------------------------------------------------
sigma2 2.202e+08 1.77e+07 12.406 0.000 1.85e+08 2.55e+08
===================================================================================
Ljung-Box (Q): 28.96 Jarque-Bera (JB): 77.77
Prob(Q): 0.79 Prob(JB): 0.00
Heteroskedasticity (H): 0.00 Skew: -1.44
Prob(H) (two-sided): 0.00 Kurtosis: 9.49
===================================================================================
最简单的方法是在假期和特殊事件中使用虚拟变量。SARIMAX允许在
exog
中指定其他解释变量。你知道吗如果有足够的年份来估计复活节效应,则虚拟变量可以是特定的日子,或者可以在同一虚拟变量中组合几个假日,例如圣诞节前的几个周末,此时购物比平常要高得多。你知道吗
萨里玛本身将无法捕捉像复活节这样的影响,因为即使有一年的季节性假期也不会有一个固定的周期长度。你知道吗
相关问题 更多 >
编程相关推荐