arima模型样本外预测python

ARIMA模型的样本外预测可以使用Python中statsmodels库中的predict()函数来实现。这个函数可以基于已经拟合好的ARIMA模型来进行预测，返回预测值和置信区间。

以下是一个简单的样本外预测的示例代码：

from statsmodels.tsa.arima_model import ARIMA
from pandas import DataFrame
import pandas as pd

# 创建ARIMA模型
model = ARIMA(df_train, order=(1,1,1))
model_fit = model.fit()

# 进行样本外预测
forecast = model_fit.predict(start=len(df_train), end=len(df)-1, typ='levels')

# 创建预测结果DataFrame
forecast_df = pd.DataFrame(forecast, columns=['Prediction'])

# 将预测结果与真实值合并
result = pd.concat([df_test, forecast_df], axis=1)

# 输出预测结果
print(result)

其中，`df_train`和`df_test`是时间序列数据的训练集和测试集，`order`参数指定了ARIMA模型的阶数，`typ`参数指定了预测值的类型。预测结果保存在`result`中，可以进行后续分析和可视化。