利用python实现sarimax模型的代码
时间: 2024-06-09 22:12:31 浏览: 10
下面是一个简单的 SARIMAX 模型的 Python 代码示例:
```python
import pandas as pd
import numpy as np
import statsmodels.api as sm
# 加载数据
data = pd.read_csv('data.csv', parse_dates=['date'])
data = data.set_index('date')
# 拆分训练集和测试集
train_data = data[:'2019-12-31']
test_data = data['2020-01-01':]
# 构建 SARIMAX 模型
model = sm.tsa.statespace.SARIMAX(train_data, order=(1, 1, 1), seasonal_order=(1, 1, 0, 12))
# 拟合模型
results = model.fit()
# 预测结果
predictions = results.predict(start='2020-01-01', end='2020-06-30', dynamic=False)
# 计算误差
mse = np.mean((predictions - test_data) ** 2)
print('MSE:', mse)
```
在这个例子中,我们首先加载了一个时间序列数据集,然后将其拆分为训练集和测试集。我们使用 `statsmodels` 包构建了一个 SARIMAX 模型,并使用训练集拟合了模型。最后,我们使用模型预测了测试集的结果,并计算了均方误差(MSE)作为模型的性能指标。