时间戳

首页 > 解决方案 > 如何在VARMAX模型中使用多前一步的外生变量

time-series - 如何在VARMAX模型中使用多前一步的外生变量

问题描述

我有一个多变量和多时间步长预测问题。基本上，我有一个预测的目标 y，作为时间序列。和几个外生变量x。它们也是时间序列数据。

我希望使用 4 天的延迟来预测 y 的未来值。所以基本上是这样的。请注意，我也希望使用 x(t) 数据进行预测。

y(t)=f(y(t-4), y(t-3), y(t-2), y(t_1), x(t-4), x(t-3), x(t-2), x(t-1), x(t))

但看起来 statsmodel 的VARMAX模型只考虑 x 的一个时间步长？

另外，当 x 可用时，我如何预测 y 的多步？我认为我应该将 x 视为外生变量。

标签： time-seriesstatsmodelsarima

解决方案

  • 要使用 y 的 4 步滞后，p 阶应为 4，即order = (4,0)
  • exog=要使用外生变量 x 的 4 步滞后，您必须手动创建所有滞后外生变量并将它们作为一个数据框传递给 参数。

让 x 是一个包含所有外生变量的 pandas 数据框。
我们可以使用以下代码创建x_lag将传递给exog=参数的数据框：

x_list = []

for q in range(5):
    x_lagged = x.shift(q).bfill()
    x_list.append(x_lagged)
    
x_lag = pd.concat(x_list,axis=1)

最后，您适合并预测如下：

model = VARMAX(y, order=(4,0), exog=x_lag)
model_fit = model.fit()
# Suppose you have some later observations of the exogenous variables: x_lag_pred
# and you want to forecast 10 steps ahead.
model_fit.forecast(steps=10, exog=x_lag_pred.iloc[:10,:])

推荐阅读