SARIMA模型顺序

Question

我正在使用具有ACF和PACF图的数据集的SARIMA模型（1,1,1）（2,1,1,96），如下所示：ACF plot of the datasetPACF plot of the dataset

使用了提到的模型后，我查看了ACF和PACF图，以确保已经覆盖了所有依赖项；但是，ACF和PACF图在滞后96处显示很大的值。如果我对应对SARIMA模型顺序进行的修改有所帮助，我将不胜感激。请考虑我的数据每天都有季节性，并且由于是15分钟数据，因此S = 96。

ACF and PACF plots after fitting the model

谢谢，

Answer 1

您可以使用auto_arima function in pmdarima package迭代订单组合并根据AIC得分获得最佳价值。您已经通过acf和pacf图确定了季节性和非季节性订单。可以将这些订单用作起始参数。] >

import pmdarima as pm
from sklearn.metrics import mean_squared_error
model = pm.auto_arima(<train_data>,error_action="ignore", suppress_warnings = True,
                         seasonal = True,
                         m = 96,
                         start_p = 1,start_q = 1,d=1,
                         start_P = 2,start_Q = 1,D=1,
                         max_p = 12,max_q = 12,max_d=2,
                         max_P = 4,max_Q = 4,max_D = 2,
                         test='adf', #use adf test
                         information_criterion='aic', #AIC or BIC
                         stepwise = False, trace = False)
此后，您可以使用plot_diagnostics功能获取模型诊断信息>
model.plot_diagnostics(figsize=(8,8))
也可以从摘要函数中获取Ljung-Box和Jarque-Bera统计信息，以检查残差的分布和残差的相关性。
model.summary()