Python Statsmodels：使用 SARIMAX 和外生回归量来获取预测平均值和置信区间

我正在使用 statsmodels.tsa.SARIMAX() 来训练具有外生变量的模型。当使用外生变量训练模型以便返回的对象包含预测平均值和置信区间而不仅仅是预测平均值结果数组时，是否存在与 get_prediction() 等效的函数？ Predict() 和 Forecast() 方法采用外生变量，但仅返回预测平均值。

SARIMA_model = sm.tsa.SARIMAX(endog=y_train.astype('float64'),
                          exog=ExogenousFeature_train.values.astype('float64'), 
                          order=(1,0,0),
                          seasonal_order=(2,1,0,7), 
                          simple_differencing=False)

model_results = SARIMA_model.fit()

pred = model_results.predict(start=train_end_date,
                               end=test_end_date,
                               exog=ExogenousFeature_test.values.astype('float64').reshape(343,1),
                               dynamic=False)

这里的 pred 是一个预测值数组，而不是包含运行 get_predict() 时获得的预测平均值和置信区间的对象。请注意，get_predict() 不采用外生变量。

我的 statsmodels 版本是 0.8

由于未公开完整结果（包括预测间隔等），因此存在一些与向后兼容性相关的问题。

现在就得到你想要的：使用 get_prediction 和 get_forecast 函数以及下面描述的参数

    pred_res = sarimax_model.get_prediction(exog=ExogenousFeature_train.values.astype('float64'), full_results=True,alpha=0.05)
    pred_means = pred_res.predicted_mean
    # Specify your prediction intervals by alpha parameter. alpha=0.05 implies 95% CI
    pred_cis = pred_res.conf_int(alpha=0.05)

    # You can then plot it (import matplotlib first)
    fig = plt.figure(figsize=(12, 8))
    ax = fig.add_subplot(1,1,1)
    #Actual data
    ax.plot(y_train.astype('float64'), '--', color="blue", label='data')
    # Means
    ax.plot(pred_means, lw=1, color="black", alpha=0.5, label='SARIMAX')
    ax.fill_between(pred_means.index, pred_cis.iloc[:, 0], pred_cis.iloc[:, 1], alpha=0.05)
    ax.legend(loc='upper right')
    plt.draw()

欲了解更多信息，请访问：

• https://github.com/statsmodels/statsmodels/issues/2823 https://github.com/statsmodels/statsmodels/issues/2823
• 作者的解决方案：http://www.statsmodels.org/dev/examples/notebooks/ generated/statespace_local_linear_trend.html http://www.statsmodels.org/dev/examples/notebooks/generated/statespace_local_linear_trend.html