什么是ARIMAX模型?

　　

?

　　如果您已經閱讀了有關用于估計時間序列數據的模型的系列大數據分析培訓課程python時間序列ARIMAX模型教程，則您已經熟悉3種主要方法- 自回歸，移動平均值和積分。

　　所有這些模型的共同主題是什么?

　　他們僅依靠一個變量。

　　但是，模型還可以考慮的不僅僅是過去的價格或過去的殘差。

　　這些就是所謂的“ MAX”模型，ARMAX是非集成版本，而ARIMAX是其集成等效版本。

　　因此，在大數據分析培訓課程python時間序列ARIMAX模型中，我們將探索它們的外觀，并逐步向您展示如何將其實現到Python中。

　　讓我們開始吧，好嗎?

　　為什么將ARMAX和ARIMAX稱為“ MAX”模型?

　　名稱ARMAX和ARIMAX 分別是ARMA和ARIMA的擴展。添加到末尾的X代表“外源”。換句話說，它建議添加一個單獨的不同外部變量以幫助測量我們的內生變量。

　　ARMAX和ARIMAX模型方程式：

　　由于ARMAX和ARIMAX之間的唯一區別在于兩者是集成的，而另一方則沒有，因此我們可以檢查其中之一，然后強調另一方的差異。

　　我們在上一篇大數據分析培訓課程python時間序列ARIMA模型文章(ARIMA)中探討了集成模型，因此讓我們看一下ARIMAX的方程是什么樣的。

　　ΔP 噸 = C +βX+φ 1個 ΔP T-1 +θ 1 ε T-1 +ε 噸

　　當然，除了我們將使用實際變量(例如P)而不是其增量之外，ARMAX的方程式是相同的。

　　P 噸 = C +βX+φ 1個 P T-1 +θ 1 ε T-1 +ε 噸

　　分解ARIMAX方程：

　　我們可以將ARMAX視為ARIMAX的特例，其積分階數為0。

　　因此，在大數據分析培訓課程python時間序列ARIMAX模型的其余部分中，我們將專注于ARIMAX。

　　我們將從分解其中的不同部分開始。

　　對于啟動器，P t和P t-1分別表示當前時段和1時段之前的值。

　　類似地，? t和? t-1是相同兩個周期的誤差項。當然，c只是一個基線常數因子。

　　的兩個參數，φ 1和θ 1，表示是什么值P的部分T-1和誤差ε T-1最后一個周期是在估計當前一個相關。

　　現在，模型的兩個新增加項是“ X”及其系數β。就像?一樣，β是一個系數，它將根據模型選擇和數據進行估算。但是X呢?

　　什么是外生變量?

　　好吧，X是外生變量，它可以是我們感興趣的任何變量。

　　它可以是隨時間變化的度量，例如通貨膨脹率或其他指數的價格。或分隔一周中不同日期的分類變量。對于特殊的節日，它也可以是布爾值。最后，它可以代表多種不同外部因素的組合。

　　這個想法是，只要我們有可用的數據，它就可以是任何其他可以影響價格的變量。

　　這些外部因素在我們的回歸分析中稱為外生變量。我們使用它們的值來預測和解釋我們感興趣的值，在我們的案例中恰好是當前價格。

　　如何在Python中實現ARMAX和ARIMAX模型?

　　足夠方便的是，statsmodels包附帶了一種稱為ARIMA的方法，該方法完全能夠處理此類附加輸入。

　　我們首先指定模型特征和模型順序：

　　

?

　　完成之后，我們還需要指定稱為“ exog”的外部參數。

　　

?

　　我們希望傳遞的值必須是某種數組，因為我們希望具有與每個時間段關聯的值。

　　例如，我們可以將標準普爾價格用作該外生變量，因為我們已經在數據中包含了它們。

　　現在，我們準備適合ARIMAX(1,1,1)模型。

　　確保以與其他模型不同的方式命名模型變量。在這種情況下，我們選擇通過在末尾添加“ X，spx”來表示外部變量是標準普爾。

　　然后，從片段中可以看出，我們像以前一樣將此值設置為等于ARIMA方法，我們像往常一樣添加了時間序列和順序。最后，在兩者之間，我們將“ exog”參數設置為等于“ DF SPX”，這表示標普價格。

　　

?

　　如果我們擬合此模型并打印其匯總表，我們將看到我們在標準普爾價格中又得到一行。

　　

?

　　這就是全部!

　　我們已經成功地看到了如何在Python中實現ARIMAX模型。

　　如果您想了解更多關于ARIMAX和其他Python時間序列模型的信息，請務必查看我們的逐步Python教程。

　　如果您不熟悉Python，并且熱衷于了解更多信息，那么這篇有關學習Python編程的綜合文章將指導您從安裝到Python IDE，庫和框架，再到最佳Python職業發展道路，以及工作前景。

　　準備好邁向數據科學事業的下一步了嗎?

　　立即查看完整的大數據分析培訓課程。從我們的統計，數學和Excel課程開始，從基礎知識入手。使用SQL，Python，R，Power BI和Tableau逐步積累經驗。并通過Python中的機器學習，深度學習，信用風險建模，時間序列分析和客戶分析來升級您的技能。你還可以聯系在線客服小姐姐申請試聽大數據分析培訓課程。

?

摘自：https://www.aaa-cg.com.cn/data/2444.html

總結

以上是生活随笔為你收集整理的大数据分析培训课程python时间序列ARIMAX模型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。