SARIMAX: Serii de timp sezoniere cu variabile externe
Află cum combină SARIMAX modelarea seriilor sezoniere cu predictori externi. Înțelege parametrii, vezi cum diferă de ARIMA și SARIMA și construiește un model de prognoză în Python.
Să zicem că ținta este cererea lunară de electricitate. Modele precum ARIMA și SARIMA se uită doar la valorile trecute ale seriilor și la propriile erori de prognoză anterioare. Dar cererea depinde și de factori externi, precum temperatura: o vară fierbinte o crește, la fel și o iarnă rece. Dacă modelul nu poate vedea acești factori, tratează fiecare lună neobișnuită ca pe un zgomot și repetă aceeași greșeală data viitoare când vremea se schimbă.
SARIMAX rezolvă această problemă adăugând variabile externe, sau exogene, peste un model ARIMA sezonier. În continuare învață trendul și sezonalitatea din istoricul seriei, dar folosește și informații externe care explică ceea ce valorile trecute nu pot.
Dacă ai nevoie de un punct de plecare pentru a manipula, interpreta și vizualiza serii de timp în Python, înscrie-te la traseul nostru Time Series in Pythonca să stăpânești elementele de bază într-o săptămână.
Ce este SARIMAX?
SARIMAX e un model ARIMA sezonier care poate folosi și predictori externi. Concret, numele înseamnă Seasonal AutoRegressive Integrated Moving Average with eXogenous regressors.
SARIMAX funcționează prezicând o serie țintă din patru surse de informație:
Valori trecute: cererea din cele mai recente luni
Erori de prognoză trecute: cât de mult a greșit modelul în lunile recente
Tipare sezoniere: cererea din aceeași lună a anilor precedenți
Variabile exogene: date externe pe care le adaugi în model, cum ar fi temperatura medie lunară
Să zicem că obiectivul este să prognozezi cererea de electricitate pentru iulie viitor. SARIMAX se uită la cererea din ultimele câteva luni, la cererea din lunile iulie anterioare și la temperatura estimată pentru iulie. Primele două sunt în serie, iar temperatura vine din exterior.
Notezi modelul ca SARIMAX(p, d, q)(P, D, Q, S). Primul set de parametri acoperă comportamentul pe termen scurt, iar al doilea set acoperă componenta sezonieră, unde S este numărul de pași de timp dintr-un ciclu. Pentru date lunare cu un tipar anual, S este 12.
Variabilele exogene nu sunt incluse în această notație. Le transmiți modelului separat, ca input propriu.
Cum funcționează SARIMAX
SARIMAX are două grupuri de termeni, iar variabilele exogene se adaugă peste ele.
Termenii nesezonieri (p, d, q) modelează comportamentul pe termen scurt:
Ordinea autoregresivă p: câte valori trecute folosește modelul. Cu p = 2, cererea din luna aceasta depinde de cererea din ultimele două luni
Ordinea de diferențiere d: de câte ori diferențiază modelul seria pentru a elimina un trend. Cu d = 1, modelul lucrează cu variații lună la lună în loc de cererea brută
Ordinea mediei mobile q: câte erori de prognoză trecute folosește modelul. Dacă modelul a subestimat cererea luna trecută, acea eroare intră în predicția acestei luni
Termenii sezonieri (P, D, Q, S) fac același lucru, dar la întârzieri sezoniere:
Ordinea autoregresivă sezonieră P: câte sezoane trecute ia în calcul modelul. Cu P = 1 și date lunare, cererea din iulie acesta depinde de cererea din iulie trecut
Ordinea de diferențiere sezonieră D: de câte ori diferențiază modelul seria la întârzierea sezonieră. Cu D = 1, modelul compară iulie acesta cu iulie trecut, ceea ce elimină tiparul anual repetitiv
Ordinea mediei mobile sezoniere Q: câte erori de prognoză la întârzieri sezoniere folosește modelul, cum ar fi eroarea din iulie trecut
Perioada sezonieră S: câți pași de timp are un ciclu. Este 12 pentru date lunare cu tipar anual și 7 pentru date zilnice cu tipar săptămânal
Variabilele exogene adaugă informații pe care seria nu le are.
În exemplul cu cererea de electricitate, asta e temperatura. O vară fierbinte sau o iarnă rece mărește cererea, iar valorile trecute ale cererii nu pot spune modelului cum va fi vremea luna viitoare. Tiparul lunii din an vine deja din termenii sezonieri, așa că temperatura este singura variabilă externă de care are nevoie exemplul.
În statsmodels, SARIMAX este o regresie liniară pe variabilele exogene, unde erorile urmează un proces ARIMA sezonier. Cu o singură variabilă exogenă, arată așa:
SARIMAX cu o variabilă exogenă
Aici, y_t este cererea de electricitate în luna t, x_t este temperatura în acea lună, beta este coeficientul temperaturii, iar u_t este partea din cerere pe care temperatura nu o explică. Termenii nesezonieri și sezonieri modelează u_t.
Pe scurt, temperatura explică o parte din cerere, iar termenii SARIMA modelează restul.
Iată o prezentare mai vizuală:
Componentele SARIMAX
ARIMA vs. SARIMA vs. ARIMAX vs. SARIMAX
Aceste patru modele fac parte din aceeași familie. Diferențele sunt subtile, dar le vei înțelege după o singură lectură.
ARIMA modelează o serie din propriile valori trecute și erori de prognoză trecute. SARIMA adaugă peste acestea termeni sezonieri, astfel încât poate modela tipare care se repetă la fiecare S pași de timp. ARIMAX adaugă variabile exogene la ARIMA, dar nu are termeni sezonieri în mod implicit. SARIMAX le are pe ambele.
De aceea, SARIMAX poate reprezenta celelalte modele ca cazuri speciale. Dacă nu transmiți nicio variabilă exogenă, obții un model SARIMA. Dacă setezi toate ordinele sezoniere la zero, obții un model ARIMAX nesezonier. Iar fără niciuna, este un model ARIMA.
Din păcate, însă, terminologia nu este consecventă între pachete.
ARIMAX-ul din manual introduce variabilele exogene direct în ecuația ARIMA, lângă valorile trecute ale seriei. SARIMAX din statsmodels potrivește în schimb o regresie cu erori SARIMA, așa cum s-a arătat în secțiunea precedentă. Cele două forme estimează coeficienți diferiți, așa că aceeași variabilă temperatură poate primi un coeficient diferit în funcție de pachet.
Nici denumirile claselor și funcțiilor nu se potrivesc. Clasa ARIMA din statsmodels acceptă și termeni sezonieri și variabile exogene. În R, pachetul forecast gestionează regresorii externi prin argumentul xreg al funcțiilor Arima() și auto.arima(). Așadar, ține minte să verifici cum definește fiecare pachet modelul înainte de a compara rezultatele între instrumente.
Iată un scurt rezumat:
Sezonalitate?
Variabile externe?
ARIMA
Nu
Nu
SARIMA
Da
Nu
ARIMAX
Nu în mod implicit
Da
SARIMAX
Da
Da
Comparație în familia de modele ARIMA
Când să folosești SARIMAX
SARIMAX are sens când ținta are un tipar sezonier recurent și variabile externe pot îmbunătăți prognoza.
De exemplu:
Cererea de electricitate: temperatura și efectele de calendar, cum ar fi sărbătorile legale, peste ciclul anual
Vânzări retail: promoții, prețuri și perioade de sărbători
Rezervări la hotel: evenimente locale și prețuri ale camerelor, peste sezonul anual de călătorii
Număr de călători în transportul public: vremea și vacanțele școlare, peste un tipar săptămânal în date zilnice
Dar SARIMAX nu este mereu alegerea potrivită. Un model mai simplu poate face același lucru în aceste două cazuri:
Fără sezonalitate semnificativă: dacă seria nu repetă un tipar, termenii sezonieri doar adaugă parametri de estimat. ARIMA sau ARIMAX sunt suficiente
Predictorii nu îmbunătățesc acuratețea: dacă variabilele exogene nu reduc eroarea pe o perioadă de test păstrată deoparte, elimină-le și folosește SARIMA. O potrivire mai bună pe datele de antrenament nu contează
Ideea de reținut aici este că SARIMAX are nevoie de valori pentru fiecare variabilă exogenă în perioada de prognoză.
Unele valori sunt cunoscute dinainte, de exemplu, sărbătorile legale sau promoțiile planificate. Altele, precum temperatura, trebuie prognozate separat înainte ca SARIMAX să le poată folosi. Dacă nu poți obține valori viitoare pentru un predictor, nu îl poți folosi în prognoză.
Cum să construiești un model SARIMAX în Python
În această secțiune, voi construi un model SARIMAX cu statsmodels, de la date brute la o prognoză pe 12 luni.
Exemplul folosește cerere lunară sintetică de electricitate, cu temperatura ca variabilă externă. E mic și reproductibil și urmează aceeași narațiune ca restul articolului.
Pregătește datele
Setul de date acoperă zece ani de date lunare, din ianuarie 2015 până în decembrie 2024.
Cererea are un trend ascendent, un tipar anual de calendar care se schimbă lent în timp, un efect al vremii și zgomot. Două citiri ale temperaturii lipsesc intenționat, ca să vezi cum lucrezi cu goluri:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings("ignore")
rng = np.random.default_rng(10)# Monthly timestamps from January 2015 to December 2024
dates = pd.date_range(start="2015-01-01", periods=120, freq="MS")
month = dates.month.to_numpy()# Average monthly temperature in degrees Celsius
temperature =12+11* np.sin(2* np.pi *(month -4)/12)+ rng.normal(0,2,120)# Calendar pattern that repeats every year and changes slowly over time
calendar_effect =15* np.cos(2* np.pi *(month -1)/12)for t inrange(12,120):
calendar_effect[t]= calendar_effect[t -12]+ rng.normal(0,2.5)# Short-term noise where each month carries over part of the previous one
noise = np.zeros(120)for t inrange(1,120):
noise[t]=0.5* noise[t -1]+ rng.normal(0,6)# Demand in GWh: upward trend, calendar pattern, weather effect, and noise
trend = np.linspace(500,560,120)
heating_demand =6* np.clip(18- temperature,0,None)
cooling_demand =9* np.clip(temperature -18,0,None)
demand = trend + calendar_effect + heating_demand + cooling_demand + noise
df = pd.DataFrame({"demand_gwh": demand.round(1),"temperature": temperature.round(1)},
index=dates,)# Two missing temperature readings
df.loc[["2018-07-01","2021-02-01"],"temperature"]= np.nan
print(df.head())Funcționează cu
Primele cinci rânduri ale setului de date
Sau, dacă preferi o prezentare vizuală:
Setul de date cu temperatură
Dacă lucrezi cu propriile tale date, încarcă-le cu pd.read_csv() și setează coloana de dată drept index. Restul fluxului de lucru rămâne la fel.
SARIMAX are nevoie de un index temporal cu frecvență consistentă. Metoda .asfreq() o setează la lunar și inserează un rând gol pentru orice lună lipsă. Apoi poți număra golurile și le poți completa:
df = df.asfreq("MS")print(df.isna().sum())
df["temperature"]= df["temperature"].interpolate()Funcționează cu
Interpolarea golurilor de temperatură
Interpolarea liniară funcționează aici pentru că temperatura se schimbă lin de la o lună la alta. Nu face același lucru pentru țintă dacă bucăți mari din ea lipsesc. Ai învăța modelul pe valori inventate.
În continuare, variabilele exogene. Cererea crește când e frig și când e cald, dar o regresie liniară simplă pe temperatura brută nu poate modela o formă în U. Așa că voi împărți temperatura în două caracteristici:
Grade de încălzire: cu câte grade este temperatura medie sub 18 grade Celsius, și zero în caz contrar
Grade de răcire: cu câte grade este temperatura medie peste 18 grade Celsius, și zero în caz contrar
df["heating_degrees"]=(18- df["temperature"]).clip(lower=0)
df["cooling_degrees"]=(df["temperature"]-18).clip(lower=0)Funcționează cu
Acum împarte datele în ținta y și variabilele exogene X. Împărțirea trebuie să fie cronologică: modelul se antrenează pe trecut și este testat pe viitor. O împărțire aleatorie ar scurge informații din viitor în antrenare:
y = df["demand_gwh"]
X = df[["heating_degrees","cooling_degrees"]]
y_train, y_test = y[:"2022-12"], y["2023-01":]
X_train, X_test = X[:"2022-12"], X["2023-01":]print(f"Train: {len(y_train)} months, Test: {len(y_test)} months")Funcționează cu
Împărțirea train/test
Ideea de reținut aici este că X_test are temperaturi observate efectiv. Într-o prognoză reală, nu le-ai ști în avans — în cel mai bun caz ai avea o prognoză meteo. Asta înseamnă că scorul de test pe care îl vei vedea mai târziu este optimist. Folosește valori observate ale predictorilor pentru evaluare doar dacă aceleași valori ar fi disponibile la momentul prognozei, cum ar fi sărbătorile legale sau prețurile planificate.
Explorează sezonalitatea și staționaritatea
Începe cu un grafic. Cauți trenduri, cicluri sezoniere și schimbări bruște:
from statsmodels.tsa.seasonal import seasonal_decompose
fig, ax = plt.subplots(figsize=(10,4))
y_train.plot(ax=ax, title="Monthly electricity demand (GWh)")
plt.show()Funcționează cu
Cererea lunară de electricitate în perioada de antrenament
Cererea crește în timp și atinge un vârf în fiecare iarnă, cu un vârf mai mic în fiecare vară. Tiparul se repetă la fiecare 12 luni.
O decompoziție sezonieră va împărți seria în componentele de trend, sezonieră și reziduală, ca să poți confirma perioada sezonieră S:
decomposition = seasonal_decompose(y_train, model="additive", period=12)
decomposition.plot()
plt.show()Funcționează cu
Decompoziția sezonieră a cererii de electricitate
Componenta sezonieră se repetă anual, deci S = 12.
Modelele din familia ARIMA au nevoie de o serie staționară — una a cărei medie și varianță nu se schimbă în timp. Cererea nu este staționară pentru că are un trend și un ciclu sezonier.
Diferențierea este o modalitate de a ocoli asta:
Diferențiere obișnuită (d): scade valoarea de luna trecută din valoarea lunii curente. Elimină un trend
Diferențiere sezonieră (D): scade valoarea din aceeași lună a anului trecut. Elimină un tipar sezonier repetitiv și elimină și un trend liniar
Testul Augmented Dickey-Fuller (ADF) verifică staționaritatea. Ipoteza sa nulă este că seria nu este staționară, așa că o valoare p mică (sub 0,05) este dovada că este:
from statsmodels.tsa.stattools import adfuller
series_versions ={"Original": y_train,"Seasonally differenced (D=1)": y_train.diff(12).dropna(),"Both differences (d=1, D=1)": y_train.diff().diff(12).dropna(),}for name, series in series_versions.items():
adf_stat, p_value = adfuller(series)[:2]print(f"{name}: ADF statistic = {adf_stat:.2f}, p-value = {p_value:.4f}")Funcționează cu
Rezultatul testului ADF
Seria originală nu este staționară. Doar diferențierea sezonieră o rezolvă, astfel că diferențierea obișnuită pe deasupra nu aduce nimic. Folosește cea mai mică cantitate de diferențiere care funcționează — diferențierile în plus adaugă zgomot în serie și îngreunează ajustarea modelului.
Așadar, alegerea este d = 0 și D = 1.
Dar tratează testul ADF doar ca pe o dovadă de sprijin. Nu îți spune nimic despre p, q, P sau Q, iar cu serii scurte poate da răspunsuri diferite în funcție de setări.
Selectează parametri candidați
Graficele ACF și PACF te ajută să alegi valori candidate pentru ordinele rămase:
ACF (funcția de autocorelație): arată corelația dintre serie și propriile valori întârziate. Vârfurile în ACF indică termeni de medie mobilă, q la întârzieri scurte și Q la întârzieri sezoniere
PACF (funcția de autocorelație parțială): arată aceeași corelație, dar elimină efectul întârzierilor intermediare. Vârfurile în PACF indică termeni autoregresivi, p la întârzieri scurte și P la întârzieri sezoniere
Ar trebui să le trasezi pe ambele pentru seria diferențiată sezonier, deoarece cu acea serie lucrează modelul:
Grafice ACF și PACF ale cererii de electricitate diferențiate sezonier
ACF are un vârf negativ clar la întârzierea 12 și nimic la 24. Acesta este semnul tipic al unui termen de medie mobilă sezonier, deci Q = 1 este un candidat bun. Ambele grafice arată și câteva vârfuri la întârzieri scurte, deci merită testate p și q.
Următorul pas este să potrivești un set mic de modele candidate și să le compari cu AIC sau BIC. Ambele punctează cât de bine se potrivește un model pe datele de antrenament și penalizează parametrii în plus. Mai mic este mai bine, iar BIC penalizează complexitatea mai mult decât AIC:
import itertools
from statsmodels.tsa.statespace.sarimax import SARIMAX
candidates =[]for p, q, P, Q in itertools.product([0,1],[0,1],[0,1],[0,1]):
candidate = SARIMAX(
y_train,
exog=X_train,
order=(p,0, q),
seasonal_order=(P,1, Q,12),
trend="c",).fit(disp=False)
candidates.append({"order":(p,0, q),"seasonal_order":(P,1, Q,12),"AIC":round(candidate.aic,1),"BIC":round(candidate.bic,1),})print(pd.DataFrame(candidates).sort_values("AIC").head(5).to_string(index=False))Funcționează cu
Rezultate AIC și BIC
SARIMAX(1, 0, 0)(0, 1, 1, 12) câștigă atât la AIC, cât și la BIC. Este și unul dintre cele mai simple modele din listă.
Argumentul trend="c" adaugă o constantă. Cu diferențiere sezonieră, o constantă modelează creșterea an-la-an a cererii.
Vei găsi instrumente precum auto_arima() din biblioteca pmdarima care rulează această căutare pentru tine. Sunt utile pentru un prim pas, dar AIC și BIC măsoară doar potrivirea pe datele de antrenament. Înainte să ai încredere într-un model, testează-l pe date pe care nu le-a văzut.
Potrivește modelul
Transmite ținta ca prim argument și variabilele exogene prin exog. Argumentul order primește (p, d, q), iar seasonal_order primește (P, D, Q, S):
model = SARIMAX(
y_train,
exog=X_train,
order=(1,0,0),
seasonal_order=(0,1,1,12),
trend="c",)
results = model.fit(disp=False)print(results.summary())Funcționează cu
Rezumatul modelului SARIMAX
Cum să citești tabelul de coeficienți:
heating_degrees: fiecare grad suplimentar de încălzire este asociat cu aproximativ 6,6 GWh de cerere în plus, cu restul elementelor din model fixate
cooling_degrees: fiecare grad suplimentar de răcire este asociat cu aproximativ 7,4 GWh de cerere în plus
ar.L1: aproximativ 46% din diferența neexplicată de luna trecută se transmite în luna aceasta
ma.S.L12: termenul de medie mobilă sezonieră, care corectează prognoza pe baza erorii din aceeași lună a anului trecut
sigma2: varianța zgomotului rămas
Toți coeficienții au valori p apropiate de zero, deci fiecare termen aduce ceva modelului.
Dar acești coeficienți descriu relații în interiorul modelului ajustat, nu cauze. Aici, am generat datele cu temperatura ca o cauză a cererii, deci interpretarea e sigură. În date reale, un predictor poate părea important pentru că se mișcă împreună cu ceva ce modelul nu vede.
Diagnostică și evaluează modelul
Un model bun lasă în urmă reziduuri care arată ca un zgomot aleator. Dacă reziduurile au încă un tipar, modelul a ratat ceva.
Metoda .plot_diagnostics() îți oferă patru grafice dintr-un singur apel:
from statsmodels.stats.diagnostic import acorr_ljungbox
results.plot_diagnostics(figsize=(12,8))
plt.show()Funcționează cu
Grafic de diagnostic al reziduurilor
La ce să te uiți:
Reziduuri standardizate: fără trend, fără tipar repetitiv și fără porțiuni în care răspândirea devine mult mai mare
Histograma și graficul Q-Q: puncte apropiate de o distribuție normală
Correlograma: fără vârfuri în afara benzii de încredere, în special la întârzierea 12 — un vârf acolo înseamnă că modelul nu a tratat complet sezonalitatea
Testul Ljung-Box îți dă aceeași verificare ca un număr. Ipoteza sa nulă este că reziduurile nu au autocorelație până la o anumită întârziere, deci vrei valori p mari:
# Skip the first 13 residuals, which come from the differencing start-up periodprint(acorr_ljungbox(results.resid[13:], lags=[12,24]))Funcționează cu
Rezultatele testului Ljung-Box
Ambele valori p sunt bine peste 0,05, deci reziduurile arată ca un zgomot.
Acum partea care contează cel mai mult — acuratețea pe date pe care modelul nu le-a văzut. Metoda .get_forecast() prezice cele 24 de luni de test și are nevoie de valorile exogene pentru acele luni.
Un număr de prognoză în sine spune puțin, așa că voi compara SARIMAX cu două baseline-uri:
Prognoză naivă sezonieră: repetă valorile din ultimele 12 luni de antrenament
SARIMA: același model, dar fără variabilele exogene
from sklearn.metrics import mean_absolute_error, root_mean_squared_error
sarimax_pred = results.get_forecast(steps=len(y_test), exog=X_test).predicted_mean
# Baseline 1: repeat the last 12 observed months
naive_pred = pd.Series(np.tile(y_train[-12:].to_numpy(),2), index=y_test.index)# Baseline 2: the same model without exogenous variables
sarima_results = SARIMAX(
y_train, order=(1,0,0), seasonal_order=(0,1,1,12), trend="c").fit(disp=False)
sarima_pred = sarima_results.get_forecast(steps=len(y_test)).predicted_mean
for name, pred in[("SARIMAX", sarimax_pred),("SARIMA", sarima_pred),("Seasonal naive", naive_pred)]:
mae = mean_absolute_error(y_test, pred)
rmse = root_mean_squared_error(y_test, pred)print(f"{name:<15} MAE = {mae:.2f} GWh, RMSE = {rmse:.2f} GWh")
fig, ax = plt.subplots(figsize=(10,4))
y_train["2020":].plot(ax=ax, label="Train")
y_test.plot(ax=ax, label="Test")
sarimax_pred.plot(ax=ax, label="SARIMAX", linestyle="--")
naive_pred.plot(ax=ax, label="Seasonal naive", linestyle=":")
ax.legend()
plt.show()Funcționează cu
Prognozele SARIMAX și naive sezoniere versus cererea reală în setul de test
SARIMAX are aproximativ jumătate din eroarea SARIMA la ambele metrici. Doar termenii sezonieri nu pot prezice un ianuarie neobișnuit de rece sau un iulie fierbinte, iar caracteristicile de temperatură pot.
Reține, acest rezultat folosește temperaturi observate în perioada de test. Cu prognoze meteo în locul lor, diferența ar fi mai mică.
Prognozează valori viitoare
După ce ești mulțumit de model, potrivește-l din nou pe toate datele, astfel încât prognoza să pornească din cea mai recentă lună.
Apoi prognozează cu .get_forecast(). Ai nevoie de o valoare pentru fiecare variabilă exogenă în fiecare lună viitoare. Dacă lipsește una, statsmodels ridică o eroare.
De unde vin acele valori depinde de variabilă. De exemplu:
Caracteristici de calendar cunoscute: sărbătorile legale și numărul de zile lucrătoare sunt cunoscute cu ani înainte
Decizii de business planificate: prețurile și promoțiile sunt cunoscute dacă echipa ta le-a programat deja
Vremea: temperatura are nevoie de o prognoză separată, de la un serviciu meteo sau de la un alt model
Medii istorice: dacă nu ai nimic mai bun, folosește valoarea medie pentru fiecare lună calendaristică din datele trecute
Aici voi folosi ultima opțiune ca înlocuitor pentru o prognoză meteo:
final_results = SARIMAX(
y, exog=X, order=(1,0,0), seasonal_order=(0,1,1,12), trend="c").fit(disp=False)
future_dates = pd.date_range(start="2025-01-01", periods=12, freq="MS")# Stand-in for a weather forecast: the average temperature of each calendar month
monthly_normals = df.groupby(df.index.month)["temperature"].mean()
future_temperature = monthly_normals.loc[future_dates.month].to_numpy()
X_future = pd.DataFrame({"heating_degrees": np.clip(18- future_temperature,0,None),"cooling_degrees": np.clip(future_temperature -18,0,None),}, index=future_dates)
forecast = final_results.get_forecast(steps=12, exog=X_future)
forecast_df = pd.concat([forecast.predicted_mean.rename("forecast"), forecast.conf_int(alpha=0.05)], axis=1)print(forecast_df.round(1))
fig, ax = plt.subplots(figsize=(10,4))
y["2021":].plot(ax=ax, label="Observed")
forecast.predicted_mean.plot(ax=ax, label="Forecast")
ci = forecast.conf_int(alpha=0.05)
ax.fill_between(ci.index, ci.iloc[:,0], ci.iloc[:,1], alpha=0.3, label="95% interval")
ax.legend()
plt.show()Funcționează cu
Prognoză a cererii de electricitate pe 12 luni cu un interval de predicție de 95%
Prognoza urmează forma cunoscută, cu cea mai mare cerere iarna, un vârf mai mic vara și cea mai mică cerere primăvara și toamna.
Dar intervalul de 95% acoperă doar incertitudinea modelului ajustat, date fiind valorile temperaturii pe care le-ai furnizat. Nu include incertitudinea acelor temperaturi. Dacă ianuarie iese mult mai rece decât media, cererea reală poate ajunge în afara intervalului chiar dacă modelul este corect.
Dacă vrei să vezi cât de sensibilă este prognoza, ruleaz-o din nou cu un scenariu de temperaturi mai reci și unul mai cald și compară rezultatele.
Limitările SARIMAX
SARIMAX este un model bun pentru multe probleme de prognoză sezonieră, dar are unele limite. Iată ce ar trebui să știi:
Predictori viitori sunt necesari: modelul nu poate prognoza fără valori pentru fiecare variabilă exogenă în fiecare lună viitoare. Dacă un predictor nu este cunoscut în avans și nu îl poți prognoza, nu își are locul în model, oricât ar îmbunătăți potrivirea pe datele trecute
Incertitudinea predictorilor este ascunsă: când predictorii viitori sunt la rândul lor prognoze, erorile lor se propagă în prognoza cererii. Intervalul standard de predicție nu le include, deci pare mai îngust decât ar trebui
Gestionează o singură perioadă sezonieră: forma standard acceptă un singur S. Cererea orară de electricitate are un ciclu zilnic și unul săptămânal, iar SARIMAX nu le poate modela pe amândouă simultan. De asemenea, devine lent cu perioade sezoniere lungi, cum ar fi S = 168 pentru un ciclu săptămânal în date orare
Relațiile se pot schimba: modelul presupune că tiparele din datele de antrenament vor rămâne la fel în viitor. Dacă mai multe locuințe trec la pompe de căldură, efectul vremii reci asupra cererii se va schimba, iar vechiul coeficient nu îl va mai descrie corect. Ar trebui să refaci ajustarea modelului periodic pe date proaspete și să-i urmărești acuratețea în timp
Selecția parametrilor cere atenție: un model cu AIC mic poate totuși să facă prognoze slabe. AIC și BIC se uită doar la datele de antrenament, așa că testează candidații finali pe o perioadă păstrată deoparte sau, și mai bine, cu cross-validare pe serii de timp peste câteva ferestre temporale
Nu este un model cauzal: un coeficient semnificativ îți spune că un predictor ajută prognoza, nu că provoacă schimbări în țintă. Dacă vrei să știi ce se întâmplă cu cererea când schimbi un preț, ai nevoie de metode de inferență cauzală
Concluzie
Dacă datele tale repetă un tipar sezonier și depind de factori externi, merită să încerci SARIMAX. Combină istoricul seriei cu factorii externi care o influențează. Când datele tale au ambele aspecte, modelul este, de obicei, mai bun decât unul care vede doar unul dintre ele.
Ideea de reținut aici este că modelul e la fel de bun ca inputurile pe care i le dai. Alege perioada sezonieră pe baza datelor, aliniază cu grijă predictorii, testează pe date viitoare în loc să te bazezi pe AIC și asigură-te că vei avea valori viitoare pentru fiecare predictor înainte să construiești ceva. Dacă nu poți îndeplini ultimul punct, SARIMAX nu este alegerea potrivită pentru setul tău de date.
Dacă vrei să continui să înveți, înscrie-te la cursul nostru Time Series Analysis in Python și înțelege fundamentele într-o după-amiază.
Întrebări frecvente
La ce este folosit SARIMAX?⌄
SARIMAX prognozează serii de timp care au un tipar sezonier recurent și depind de factori externi. Cererea de electricitate cu temperatura sau rezervările la hotel cu evenimente locale sunt exemple comune. Dacă seria ta are doar unul dintre aceste două atribute, un model mai simplu precum SARIMA sau ARIMAX de obicei e suficient.
Care este diferența dintre SARIMA și SARIMAX?⌄
SARIMA modelează o serie din propriile valori trecute, erori de prognoză trecute și tipare sezoniere. SARIMAX adaugă variabile exogene peste acestea, astfel încât poate folosi și informații externe precum temperatura sau prețurile. Dacă potrivești SARIMAX fără nicio variabilă exogenă, obții un model SARIMA.
Este SARIMAX un model de machine learning?⌄
SARIMAX este un model statistic, nu un model de machine learning în sensul obișnuit. Are o structură fixă, un număr mic de parametri și coeficienți pe care îi poți citi și interpreta. Asta îl face o alegere bună pentru seturi de date mici, unde modelele de machine learning nu au suficiente date din care să învețe.
De ce get_forecast() aruncă o eroare când prognozez cu SARIMAX?⌄
Dacă potrivești modelul cu argumentul exog, statsmodels are nevoie de valori exogene pentru fiecare pas de timp viitor. Fără ele, get_forecast() aruncă o ValueError. Transmite un DataFrame cu aceleași coloane ca predictorii tăi de antrenament și un rând pentru fiecare pas de prognoză.
Poate SARIMAX să gestioneze mai mult de o perioadă sezonieră?⌄
Nu în forma sa standard, pentru că seasonal_order acceptă o singură perioadă S. Pentru date cu mai multe cicluri, cum ar fi cererea orară cu un tipar zilnic și unul săptămânal, poți seta S la ciclul mai scurt și să transmiți termeni Fourier pentru cel mai lung prin exog. Modele precum TBATS și Prophet acceptă mai multe perioade sezoniere din start.
Să zicem că ținta este cererea lunară de electricitate. Modele precum ARIMA și SARIMA se uită doar la valorile trecute ale seriilor și la propriile erori de prognoză anterioare. Dar cererea depinde și de factori externi, precum temperatura: o vară fierbinte o crește, la fel și o iarnă rece. Dacă modelul nu poate vedea acești factori, tratează fiecare lună neobișnuită ca pe un zgomot și repetă aceeași greșeală data viitoare când vremea se schimbă.
SARIMAX rezolvă această problemă adăugând variabile externe, sau exogene, peste un model ARIMA sezonier. În continuare învață trendul și sezonalitatea din istoricul seriei, dar folosește și informații externe care explică ceea ce valorile trecute nu pot.
Dacă ai nevoie de un punct de plecare pentru a manipula, interpreta și vizualiza serii de timp în Python, înscrie-te la traseul nostru Time Series in Python ca să stăpânești elementele de bază într-o săptămână.
Ce este SARIMAX?
SARIMAX e un model ARIMA sezonier care poate folosi și predictori externi. Concret, numele înseamnă Seasonal AutoRegressive Integrated Moving Average with eXogenous regressors.
SARIMAX funcționează prezicând o serie țintă din patru surse de informație:
Să zicem că obiectivul este să prognozezi cererea de electricitate pentru iulie viitor. SARIMAX se uită la cererea din ultimele câteva luni, la cererea din lunile iulie anterioare și la temperatura estimată pentru iulie. Primele două sunt în serie, iar temperatura vine din exterior.
Notezi modelul ca
SARIMAX(p, d, q)(P, D, Q, S). Primul set de parametri acoperă comportamentul pe termen scurt, iar al doilea set acoperă componenta sezonieră, undeSeste numărul de pași de timp dintr-un ciclu. Pentru date lunare cu un tipar anual,Seste 12.Variabilele exogene nu sunt incluse în această notație. Le transmiți modelului separat, ca input propriu.
Cum funcționează SARIMAX
SARIMAX are două grupuri de termeni, iar variabilele exogene se adaugă peste ele.
Termenii nesezonieri
(p, d, q)modelează comportamentul pe termen scurt:Ordinea autoregresivă
p: câte valori trecute folosește modelul. Cup = 2, cererea din luna aceasta depinde de cererea din ultimele două luniOrdinea de diferențiere
d: de câte ori diferențiază modelul seria pentru a elimina un trend. Cud = 1, modelul lucrează cu variații lună la lună în loc de cererea brutăOrdinea mediei mobile
q: câte erori de prognoză trecute folosește modelul. Dacă modelul a subestimat cererea luna trecută, acea eroare intră în predicția acestei luniTermenii sezonieri
(P, D, Q, S)fac același lucru, dar la întârzieri sezoniere:Ordinea autoregresivă sezonieră
P: câte sezoane trecute ia în calcul modelul. CuP = 1și date lunare, cererea din iulie acesta depinde de cererea din iulie trecutOrdinea de diferențiere sezonieră
D: de câte ori diferențiază modelul seria la întârzierea sezonieră. CuD = 1, modelul compară iulie acesta cu iulie trecut, ceea ce elimină tiparul anual repetitivOrdinea mediei mobile sezoniere
Q: câte erori de prognoză la întârzieri sezoniere folosește modelul, cum ar fi eroarea din iulie trecutPerioada sezonieră
S: câți pași de timp are un ciclu. Este 12 pentru date lunare cu tipar anual și 7 pentru date zilnice cu tipar săptămânalVariabilele exogene adaugă informații pe care seria nu le are.
În exemplul cu cererea de electricitate, asta e temperatura. O vară fierbinte sau o iarnă rece mărește cererea, iar valorile trecute ale cererii nu pot spune modelului cum va fi vremea luna viitoare. Tiparul lunii din an vine deja din termenii sezonieri, așa că temperatura este singura variabilă externă de care are nevoie exemplul.
În statsmodels, SARIMAX este o regresie liniară pe variabilele exogene, unde erorile urmează un proces ARIMA sezonier. Cu o singură variabilă exogenă, arată așa:
SARIMAX cu o variabilă exogenă
Aici,
y_teste cererea de electricitate în lunat,x_teste temperatura în acea lună,betaeste coeficientul temperaturii, iaru_teste partea din cerere pe care temperatura nu o explică. Termenii nesezonieri și sezonieri modeleazău_t.Pe scurt, temperatura explică o parte din cerere, iar termenii SARIMA modelează restul.
Iată o prezentare mai vizuală:
Componentele SARIMAX
ARIMA vs. SARIMA vs. ARIMAX vs. SARIMAX
Aceste patru modele fac parte din aceeași familie. Diferențele sunt subtile, dar le vei înțelege după o singură lectură.
ARIMA modelează o serie din propriile valori trecute și erori de prognoză trecute. SARIMA adaugă peste acestea termeni sezonieri, astfel încât poate modela tipare care se repetă la fiecare
Spași de timp. ARIMAX adaugă variabile exogene la ARIMA, dar nu are termeni sezonieri în mod implicit. SARIMAX le are pe ambele.De aceea, SARIMAX poate reprezenta celelalte modele ca cazuri speciale. Dacă nu transmiți nicio variabilă exogenă, obții un model SARIMA. Dacă setezi toate ordinele sezoniere la zero, obții un model ARIMAX nesezonier. Iar fără niciuna, este un model ARIMA.
Din păcate, însă, terminologia nu este consecventă între pachete.
ARIMAX-ul din manual introduce variabilele exogene direct în ecuația ARIMA, lângă valorile trecute ale seriei.
SARIMAXdin statsmodels potrivește în schimb o regresie cu erori SARIMA, așa cum s-a arătat în secțiunea precedentă. Cele două forme estimează coeficienți diferiți, așa că aceeași variabilă temperatură poate primi un coeficient diferit în funcție de pachet.Nici denumirile claselor și funcțiilor nu se potrivesc. Clasa
ARIMAdin statsmodels acceptă și termeni sezonieri și variabile exogene. În R, pachetulforecastgestionează regresorii externi prin argumentulxregal funcțiilorArima()șiauto.arima(). Așadar, ține minte să verifici cum definește fiecare pachet modelul înainte de a compara rezultatele între instrumente.Iată un scurt rezumat:
Comparație în familia de modele ARIMA
Când să folosești SARIMAX
SARIMAX are sens când ținta are un tipar sezonier recurent și variabile externe pot îmbunătăți prognoza.
De exemplu:
Dar SARIMAX nu este mereu alegerea potrivită. Un model mai simplu poate face același lucru în aceste două cazuri:
Ideea de reținut aici este că SARIMAX are nevoie de valori pentru fiecare variabilă exogenă în perioada de prognoză.
Unele valori sunt cunoscute dinainte, de exemplu, sărbătorile legale sau promoțiile planificate. Altele, precum temperatura, trebuie prognozate separat înainte ca SARIMAX să le poată folosi. Dacă nu poți obține valori viitoare pentru un predictor, nu îl poți folosi în prognoză.
Cum să construiești un model SARIMAX în Python
În această secțiune, voi construi un model SARIMAX cu statsmodels, de la date brute la o prognoză pe 12 luni.
Exemplul folosește cerere lunară sintetică de electricitate, cu temperatura ca variabilă externă. E mic și reproductibil și urmează aceeași narațiune ca restul articolului.
Pregătește datele
Setul de date acoperă zece ani de date lunare, din ianuarie 2015 până în decembrie 2024.
Cererea are un trend ascendent, un tipar anual de calendar care se schimbă lent în timp, un efect al vremii și zgomot. Două citiri ale temperaturii lipsesc intenționat, ca să vezi cum lucrezi cu goluri:
Primele cinci rânduri ale setului de date
Sau, dacă preferi o prezentare vizuală:
Setul de date cu temperatură
Dacă lucrezi cu propriile tale date, încarcă-le cu
pd.read_csv()și setează coloana de dată drept index. Restul fluxului de lucru rămâne la fel.SARIMAX are nevoie de un index temporal cu frecvență consistentă. Metoda
.asfreq()o setează la lunar și inserează un rând gol pentru orice lună lipsă. Apoi poți număra golurile și le poți completa:Interpolarea golurilor de temperatură
Interpolarea liniară funcționează aici pentru că temperatura se schimbă lin de la o lună la alta. Nu face același lucru pentru țintă dacă bucăți mari din ea lipsesc. Ai învăța modelul pe valori inventate.
În continuare, variabilele exogene. Cererea crește când e frig și când e cald, dar o regresie liniară simplă pe temperatura brută nu poate modela o formă în U. Așa că voi împărți temperatura în două caracteristici:
Acum împarte datele în ținta
yși variabilele exogeneX. Împărțirea trebuie să fie cronologică: modelul se antrenează pe trecut și este testat pe viitor. O împărțire aleatorie ar scurge informații din viitor în antrenare:Împărțirea train/test
Ideea de reținut aici este că
X_testare temperaturi observate efectiv. Într-o prognoză reală, nu le-ai ști în avans — în cel mai bun caz ai avea o prognoză meteo. Asta înseamnă că scorul de test pe care îl vei vedea mai târziu este optimist. Folosește valori observate ale predictorilor pentru evaluare doar dacă aceleași valori ar fi disponibile la momentul prognozei, cum ar fi sărbătorile legale sau prețurile planificate.Explorează sezonalitatea și staționaritatea
Începe cu un grafic. Cauți trenduri, cicluri sezoniere și schimbări bruște:
Cererea lunară de electricitate în perioada de antrenament
Cererea crește în timp și atinge un vârf în fiecare iarnă, cu un vârf mai mic în fiecare vară. Tiparul se repetă la fiecare 12 luni.
O decompoziție sezonieră va împărți seria în componentele de trend, sezonieră și reziduală, ca să poți confirma perioada sezonieră
S:Decompoziția sezonieră a cererii de electricitate
Componenta sezonieră se repetă anual, deci
S = 12.Modelele din familia ARIMA au nevoie de o serie staționară — una a cărei medie și varianță nu se schimbă în timp. Cererea nu este staționară pentru că are un trend și un ciclu sezonier.
Diferențierea este o modalitate de a ocoli asta:
Diferențiere obișnuită (
d): scade valoarea de luna trecută din valoarea lunii curente. Elimină un trendDiferențiere sezonieră (
D): scade valoarea din aceeași lună a anului trecut. Elimină un tipar sezonier repetitiv și elimină și un trend liniarTestul Augmented Dickey-Fuller (ADF) verifică staționaritatea. Ipoteza sa nulă este că seria nu este staționară, așa că o valoare p mică (sub 0,05) este dovada că este:
Rezultatul testului ADF
Seria originală nu este staționară. Doar diferențierea sezonieră o rezolvă, astfel că diferențierea obișnuită pe deasupra nu aduce nimic. Folosește cea mai mică cantitate de diferențiere care funcționează — diferențierile în plus adaugă zgomot în serie și îngreunează ajustarea modelului.
Așadar, alegerea este
d = 0șiD = 1.Dar tratează testul ADF doar ca pe o dovadă de sprijin. Nu îți spune nimic despre
p,q,PsauQ, iar cu serii scurte poate da răspunsuri diferite în funcție de setări.Selectează parametri candidați
Graficele ACF și PACF te ajută să alegi valori candidate pentru ordinele rămase:
ACF (funcția de autocorelație): arată corelația dintre serie și propriile valori întârziate. Vârfurile în ACF indică termeni de medie mobilă,
qla întârzieri scurte șiQla întârzieri sezonierePACF (funcția de autocorelație parțială): arată aceeași corelație, dar elimină efectul întârzierilor intermediare. Vârfurile în PACF indică termeni autoregresivi,
pla întârzieri scurte șiPla întârzieri sezoniereAr trebui să le trasezi pe ambele pentru seria diferențiată sezonier, deoarece cu acea serie lucrează modelul:
Grafice ACF și PACF ale cererii de electricitate diferențiate sezonier
ACF are un vârf negativ clar la întârzierea 12 și nimic la 24. Acesta este semnul tipic al unui termen de medie mobilă sezonier, deci
Q = 1este un candidat bun. Ambele grafice arată și câteva vârfuri la întârzieri scurte, deci merită testatepșiq.Următorul pas este să potrivești un set mic de modele candidate și să le compari cu AIC sau BIC. Ambele punctează cât de bine se potrivește un model pe datele de antrenament și penalizează parametrii în plus. Mai mic este mai bine, iar BIC penalizează complexitatea mai mult decât AIC:
Rezultate AIC și BIC
SARIMAX(1, 0, 0)(0, 1, 1, 12)câștigă atât la AIC, cât și la BIC. Este și unul dintre cele mai simple modele din listă.Argumentul
trend="c"adaugă o constantă. Cu diferențiere sezonieră, o constantă modelează creșterea an-la-an a cererii.Vei găsi instrumente precum
auto_arima()din biblioteca pmdarima care rulează această căutare pentru tine. Sunt utile pentru un prim pas, dar AIC și BIC măsoară doar potrivirea pe datele de antrenament. Înainte să ai încredere într-un model, testează-l pe date pe care nu le-a văzut.Potrivește modelul
Transmite ținta ca prim argument și variabilele exogene prin
exog. Argumentulorderprimește(p, d, q), iarseasonal_orderprimește(P, D, Q, S):Rezumatul modelului SARIMAX
Cum să citești tabelul de coeficienți:
heating_degrees: fiecare grad suplimentar de încălzire este asociat cu aproximativ 6,6 GWh de cerere în plus, cu restul elementelor din model fixatecooling_degrees: fiecare grad suplimentar de răcire este asociat cu aproximativ 7,4 GWh de cerere în plusar.L1: aproximativ 46% din diferența neexplicată de luna trecută se transmite în luna aceastama.S.L12: termenul de medie mobilă sezonieră, care corectează prognoza pe baza erorii din aceeași lună a anului trecutsigma2: varianța zgomotului rămasToți coeficienții au valori p apropiate de zero, deci fiecare termen aduce ceva modelului.
Dar acești coeficienți descriu relații în interiorul modelului ajustat, nu cauze. Aici, am generat datele cu temperatura ca o cauză a cererii, deci interpretarea e sigură. În date reale, un predictor poate părea important pentru că se mișcă împreună cu ceva ce modelul nu vede.
Diagnostică și evaluează modelul
Un model bun lasă în urmă reziduuri care arată ca un zgomot aleator. Dacă reziduurile au încă un tipar, modelul a ratat ceva.
Metoda
.plot_diagnostics()îți oferă patru grafice dintr-un singur apel:Grafic de diagnostic al reziduurilor
La ce să te uiți:
Testul Ljung-Box îți dă aceeași verificare ca un număr. Ipoteza sa nulă este că reziduurile nu au autocorelație până la o anumită întârziere, deci vrei valori p mari:
Rezultatele testului Ljung-Box
Ambele valori p sunt bine peste 0,05, deci reziduurile arată ca un zgomot.
Acum partea care contează cel mai mult — acuratețea pe date pe care modelul nu le-a văzut. Metoda
.get_forecast()prezice cele 24 de luni de test și are nevoie de valorile exogene pentru acele luni.Un număr de prognoză în sine spune puțin, așa că voi compara SARIMAX cu două baseline-uri:
Prognozele SARIMAX și naive sezoniere versus cererea reală în setul de test
MAE (eroarea medie absolută) este mărimea medie a erorii în GWh. RMSE (rădăcina erorii pătratice medii) penalizează mai mult erorile mari.
SARIMAX are aproximativ jumătate din eroarea SARIMA la ambele metrici. Doar termenii sezonieri nu pot prezice un ianuarie neobișnuit de rece sau un iulie fierbinte, iar caracteristicile de temperatură pot.
Reține, acest rezultat folosește temperaturi observate în perioada de test. Cu prognoze meteo în locul lor, diferența ar fi mai mică.
Prognozează valori viitoare
După ce ești mulțumit de model, potrivește-l din nou pe toate datele, astfel încât prognoza să pornească din cea mai recentă lună.
Apoi prognozează cu
.get_forecast(). Ai nevoie de o valoare pentru fiecare variabilă exogenă în fiecare lună viitoare. Dacă lipsește una, statsmodels ridică o eroare.De unde vin acele valori depinde de variabilă. De exemplu:
Aici voi folosi ultima opțiune ca înlocuitor pentru o prognoză meteo:
Prognoză a cererii de electricitate pe 12 luni cu un interval de predicție de 95%
Prognoza urmează forma cunoscută, cu cea mai mare cerere iarna, un vârf mai mic vara și cea mai mică cerere primăvara și toamna.
Dar intervalul de 95% acoperă doar incertitudinea modelului ajustat, date fiind valorile temperaturii pe care le-ai furnizat. Nu include incertitudinea acelor temperaturi. Dacă ianuarie iese mult mai rece decât media, cererea reală poate ajunge în afara intervalului chiar dacă modelul este corect.
Dacă vrei să vezi cât de sensibilă este prognoza, ruleaz-o din nou cu un scenariu de temperaturi mai reci și unul mai cald și compară rezultatele.
Limitările SARIMAX
SARIMAX este un model bun pentru multe probleme de prognoză sezonieră, dar are unele limite. Iată ce ar trebui să știi:
Predictori viitori sunt necesari: modelul nu poate prognoza fără valori pentru fiecare variabilă exogenă în fiecare lună viitoare. Dacă un predictor nu este cunoscut în avans și nu îl poți prognoza, nu își are locul în model, oricât ar îmbunătăți potrivirea pe datele trecute
Incertitudinea predictorilor este ascunsă: când predictorii viitori sunt la rândul lor prognoze, erorile lor se propagă în prognoza cererii. Intervalul standard de predicție nu le include, deci pare mai îngust decât ar trebui
Gestionează o singură perioadă sezonieră: forma standard acceptă un singur
S. Cererea orară de electricitate are un ciclu zilnic și unul săptămânal, iar SARIMAX nu le poate modela pe amândouă simultan. De asemenea, devine lent cu perioade sezoniere lungi, cum ar fiS = 168pentru un ciclu săptămânal în date orareRelațiile se pot schimba: modelul presupune că tiparele din datele de antrenament vor rămâne la fel în viitor. Dacă mai multe locuințe trec la pompe de căldură, efectul vremii reci asupra cererii se va schimba, iar vechiul coeficient nu îl va mai descrie corect. Ar trebui să refaci ajustarea modelului periodic pe date proaspete și să-i urmărești acuratețea în timp
Selecția parametrilor cere atenție: un model cu AIC mic poate totuși să facă prognoze slabe. AIC și BIC se uită doar la datele de antrenament, așa că testează candidații finali pe o perioadă păstrată deoparte sau, și mai bine, cu cross-validare pe serii de timp peste câteva ferestre temporale
Nu este un model cauzal: un coeficient semnificativ îți spune că un predictor ajută prognoza, nu că provoacă schimbări în țintă. Dacă vrei să știi ce se întâmplă cu cererea când schimbi un preț, ai nevoie de metode de inferență cauzală
Concluzie
Dacă datele tale repetă un tipar sezonier și depind de factori externi, merită să încerci SARIMAX. Combină istoricul seriei cu factorii externi care o influențează. Când datele tale au ambele aspecte, modelul este, de obicei, mai bun decât unul care vede doar unul dintre ele.
Ideea de reținut aici este că modelul e la fel de bun ca inputurile pe care i le dai. Alege perioada sezonieră pe baza datelor, aliniază cu grijă predictorii, testează pe date viitoare în loc să te bazezi pe AIC și asigură-te că vei avea valori viitoare pentru fiecare predictor înainte să construiești ceva. Dacă nu poți îndeplini ultimul punct, SARIMAX nu este alegerea potrivită pentru setul tău de date.
Dacă vrei să continui să înveți, înscrie-te la cursul nostru Time Series Analysis in Python și înțelege fundamentele într-o după-amiază.