时间序列分析/预测

Question

当我试图使用AR(3)模型预测/预测未来数据时，我得到的预测非常糟糕。我不太清楚我做错了什么，也不知道为什么预测会开始下降。感谢你的帮助和指点。非常感谢。

这里是我的例子：

import pandas as pd

df2 = pd.DataFrame({
     "Month" : [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15],
     "Sales Count": [10,15,24,30,33,45,67,70,75,88,92,95,98,105,115]
})

df2.index = df2.Month

df2 = df2.drop('Month',axis=1)

from statsmodels.tsa.arima_model import ARIMA

model = ARIMA(df2['Sales Count'],order=(3,0,0))
model = model.fit()

pred = model.predict(1,27)

这些是我的预测值：

• 1: 10.924977
• 2 : 19.647766
• 3 : 31.068473
• 4 :35.592394

H 1125:36.422376H 213H 1146:52.956438<

• >H 215<代码>H 1167:81.115237<代码>H 217/代码><代码>H 118/代码>8:74.101817<代码>H 219<代码>H 1209:77.985398<代码>H 221<代码>H 12210:95.468273<代码>H代码><代码H 124/代码><代码H 124/代码><<
• ><><<><<><<代码<120.136458
• 16 : 122.627635
• 17 : 122.961509
• 18 : 121.735104
• 19 : 119.397032
• 20 : 116.308360
• 21 : 112.751786
• 22 : 108.946149
• 23 :105.057805

H 150

• 25 : 97.493384
• 26 : 93.968447
• 27 : 90.675809

预测示例地块：

​

​

Answer 1

我想评论一下，但现在还不能。不需要多少澄清。

为什么你要用自回归模型来预测一个适合线性回归的模型？利用AR过程进行预测会引入不稳定性，且阶数越高，由于对应于xt-1、xt-2、xt-3的系数越难估计，就越难保持预测的稳定性。