SARIMAX创建仿真

Question

我正尝试在python上使用这个函数来模拟我已经构建的SARIMAX模型，statsmodels.tsa.statespace.sarimax.SARIMAX.simulate目的是使用该模型进行蒙特卡洛模拟

当我尝试使用已有的数据将initial_state放在函数上时，就会出现问题

我已经尝试不使用initial_state，模拟的结果似乎很好，但初始点并不是我所期望的。当我尝试放置一个initial_state时，模拟结果呈指数增长。

我使用的是2017- 2019年的日降水量数据

#Define the test model using another set of data, but the same order.
testMdl = smt.SARIMAX(rain_df_daily.y, order = (5, 3, 0), seasonal_order=(1,1,2,12),enforce_stationarity=False,
                                            enforce_invertibility=False)

#Set initial state 
#testMdl.initialize_known(rain_df_daily[:'2018-01-01'].y.mean,rain_df_daily[:'2018-01-01'].y.std)
testMdl.initialize_known(sarima_results.predicted_state[:,-2], 
                         sarima_results.predicted_state_cov[:,:,-2])

#Initialize the test model with the coefficients from the fit model:
testMdl = testMdl.filter(sarima_results.params)
#Seems you can also use .smooth() to initialize coefficients, but have not looked into the difference
#exoCopy = exoCopy.smooth(fitMdl.params)

samples = pd.DataFrame(columns = range(0,50)) #initialize obs. sample df
for sample in range(0, 50): #For each sample

    #samples[sample] = testMdl.simulate(24, initial_state=mdlExo.predicted_state[:,-1])
    samples[sample] = testMdl.simulate(40, initial_state = rain_df_daily['2018-02-21':].y)

我预计结果会接近预测的平均值。

Answer 1

我认为你的模型的问题在于指定的顺序参数，而不是用于模拟的初始值。

例如，根据降雨量数据拟合的更简单的模型

Rainfall data

model = SARIMAX(df, 
            order=(1, 0, 1), 
            trend='n',
            seasonal_order=(1, 2, 1, 5),
            enforce_stationarity=False,
            enforce_invertibility=False).fit()
model.forecast(60).plot()

生成结果

Simpler fit

和模拟

samples = []
for sample in range(50): 
    samples.append(model.simulate(30, initial_state=model.predicted_state[:, -1]))

sns.lineplot(data=samples)

结果：

Simulation

这肯定不是一个很好的模型，但结果与预测均值相差不远。