p,se,ci = arma_model.forecast(steps = 3,alpha = 0.05) df_forecast = pd.DataFrame({'time':range(1991,2001)}) df_forecast['predict'] = 12000 + ci.cumsum() df_forecast

在这段代码中，`arma_model.forecast(steps = 3, alpha = 0.05)`方法返回了3个值，分别是预测值`p`、标准误差`se`和置信区间`ci`。然后，这些值被用来创建一个新的数据框`df_forecast`，其中`'time'`列包含从1991到2000的年份，`'predict'`列包含12000加上`ci`数组的累积和。这样可以得到一个预测值序列和对应的置信区间，并将它们保存到数据框中以便进一步分析。

需要注意的是，`ci`是一个数组，而不是单个值，因此不能直接调用`ci.cumsum()`方法。如果你想要计算`ci`数组的累积和，可以使用NumPy的`cumsum()`方法，例如：

import numpy as np
import pandas as pd

p, se, ci = arma_model.forecast(steps=3, alpha=0.05)
df_forecast = pd.DataFrame({'time': range(1991, 2001)})
df_forecast['predict'] = 12000 + np.cumsum(ci)

print(df_forecast)

在上面的示例中，我们使用了NumPy的`cumsum()`方法来计算`ci`数组的累积和，并将结果添加到`'predict'`列中。这样就能正确地运行代码并得到预期的结果。