python中的SARIMAX定制

Question

我有一个问题

为什么SARIMAX要花很多时间来执行？

数据长度只有2200，如果我取周期(24,168,365)，会花很多时间

而对于月度数据(2200条)周期为12，不需要花费太多时间!！

有什么办法可以解决这个问题吗？

Answer 1

不幸的是，我们无能为力。通过SARIMAX模型进行估计需要进行大量矩阵运算，例如，如果使用seasonal_order=(1, 0, 0, 365)，则矩阵大小至少为365 x 365，如果增加到seasonal_order=(1, 0, 0, 365)，则矩阵大小至少为730 x 730。即使是具有较长滞后长度的中等季节，操作也只需要一些时间。

最近引入的一个选项(它还没有发布版本，所以你必须安装来自Github的最新版本)可以在一定程度上改进事情，那就是使用选项low_memory=True和cov_type='none'来适应模型。有两件事需要牢记：

• 无法绕过必须执行的矩阵运算，因此这不会带来很大的加速。最好的情况可能是10倍的加速。
• 这将限制你可以做的事后估计的事情。您仍然可以进行样本外预测，但不能进行样本内动态预测，而且您不会看到估计参数的标准误差。