python - 根据acf和pacf决定p、q值

Question

我需要知道如何根据 acf 和 pacf 图计算/决定 ARIMA 模型的 p 和 q 值。请帮忙。

在描述中，我已经发布了我的部分数据，因此任何人都可以尝试对发布的数据集进行解释。我期待的是分析这样一个数据集的说明，这样我就可以正确预测未来的值。我期待使用诸如 Arima、SARIMA 等模型。我的主要需求是找到 ARIMA 和 SARIMA 的参数

Date    Gross_Premium
1/15/2012   0
2/15/2012   0
3/15/2012   0
4/15/2012   51579.01
5/15/2012   0
6/15/2012   50113.93681
7/15/2012   16854.74714
8/15/2012   61246.11
9/15/2012   0
10/15/2012  3497.14
11/15/2012  0
12/15/2012  0
1/15/2013   0
2/15/2013   0
3/15/2013   0
4/15/2013   111803.15
5/15/2013   10800
6/15/2013   11852.22681
7/15/2013   22619.05368
8/15/2013   70548.52
9/15/2013   5752.72
10/15/2013  6994.28
11/15/2013  0
12/15/2013  0
1/15/2014   0
2/15/2014   0
3/15/2014   0
4/15/2014   94724.14
5/15/2014   10800
6/15/2014   38261.71
7/15/2014   15800.22125
8/15/2014   39388.17
9/15/2014   32569.36
10/15/2014  0
11/15/2014  0
12/15/2014  0
1/15/2015   0
2/15/2015   0
3/15/2015   0
4/15/2015   110144.68
5/15/2015   0
6/15/2015   47835.92
7/15/2015   27637.08915
8/15/2015   72842.2
9/15/2015   5838.51
10/15/2015  3497.14
11/15/2015  0
12/15/2015  0
1/15/2016   0
2/15/2016   0
3/15/2016   0
4/15/2016   167626.54
5/15/2016   21600
6/15/2016   30988.9368
7/15/2016   19109.44915
8/15/2016   98501.16
9/15/2016   20892.34
10/15/2016  6994.28
11/15/2016  0
12/15/2016  0
1/15/2017   0
2/15/2017   0
3/15/2017   0
4/15/2017   96382.61
5/15/2017   10800
6/15/2017   30988.9368
7/15/2017   20246.65096
8/15/2017   61423.9
9/15/2017   16284.68
10/15/2017  3497.14
11/15/2017  0
12/15/2017  0

标签： pythonarima

Answer 1

我拿了你的一个问题集（ALPHBET） 并分析如下。尽管您有一年中 12 个月的观察结果......每年有 5 个月没有销售，因此错误地暗示了强大的自回归结构。

我以前在预测一年中仅销售几个月的产品的啤酒销售时遇到过这种情况……想想十月节啤酒。答案是简单地将您的“年”重新定义为有 7 个工作月（少一个月 11,12,1,2,3 ）。

以下是每年有 7 个观察/周期的数据图表。

好消息是有很强的确定性季节性，即 7 个​​月中的某些月份有系统可预测的销售。这需要使用五个季节性假人而不是记忆（SARIMA）。以下是增加了 6 个脉冲的有用方程。

实际、拟合和预测图在此处，并在此处预测 涵盖未来 3 年的未来 7 个时期，置信限明确允许异常值。

Actual & Cleansed 图表在这里阐明了不寻常的值。最后，残差图表明残差的 ACF 支持的随机性

您的问题得到了回答：您的数据没有有用的 SARIMA 模型，因为它是由确定性影响而不是内存驱动的。

最后，也许一些对 SE 有帮助的读者实际上可能会解释如何附加一个包含数据的 csv 文件，而不是像你礼貌地做的那样实际上必须列出它。