在SARIMAX时间序列预测中添加其他变量作为exog

Question

假设我需要预测每月的TPV /销售额，这将受到黑色星期五，网络星期一，圣诞节和其他广告活动的影响。我将所有这4个变量添加到数据框中，并将其包含在“ exog”中，如下所示

mod = sm.tsa.statespace.SARIMAX（Y，order = param，seasonal_order = param_seasonal，exog = exog_var，enforce_stationarity = False，enforce_invertibility = False）

我的问题是，如何为将来的日期添加这4个exog变量的值？如果我添加这四个变量，并将“ TPV /销售额”列留空。它不会预测这些时间段并输出'nan'

[请帮助我了解如何为将来的日期添加exog变量以及如何预测Y变量？

Answer 1

statsmodels结构分析的步骤如下：

1. 创建一个模型来描述您的数据，例如：

   mod = sm.tsa.SARIMAX(endog_training, order=(1, 0, 0), exog=exog_training)
   

2. 适合您模型的参数，例如：

   res = mod.fit()
   

3. 进行估计后分析。

   a。例如，您可能要检查拟合的参数，摘要输出等，例如：]

   print(res.summary())
   

   b。或者，根据您的情况，您可能需要执行样本外预测，例如：]

   forecast = res.forecast(nsteps, exog=exog_test)
   

因此，您只想在模型构建步骤中包括您的训练数据。当您要使用样本外exog值预测新期间时，可以使用结果对象的forecast方法进行。