Python实现ARIMA滚动多步预测代码

以下是 Python 实现 ARIMA 滚动多步预测的示例代码：

import pandas as pd
from statsmodels.tsa.arima.model import ARIMA

# 加载数据
data = pd.read_csv('data.csv', index_col=0, parse_dates=True)

# 设置参数
p = 2
d = 1
q = 2

# 训练模型
model = ARIMA(data, order=(p, d, q))
model_fit = model.fit()

# 滚动多步预测
predictions = []
for i in range(12):
    # 获取最后一个时间点的值
    last_value = data.iloc[-1][0]
    # 预测下一个时间点的值
    forecast = model_fit.forecast()[0]
    # 添加到预测列表中
    predictions.append(forecast)
    # 将预测值添加到原始数据中
    data = data.append(pd.DataFrame({'value': forecast}, index=[data.index[-1] + pd.DateOffset(months=1)]))
    # 重新训练模型
    model_fit = ARIMA(data, order=(p, d, q)).fit()

# 输出预测结果
print(predictions)

在这个示例中，我们使用了 `statsmodels` 库中的 `ARIMA` 模型进行滚动多步预测。首先，我们加载原始数据并设置 ARIMA 模型的参数，然后训练模型并开始滚动多步预测。在每个时间点，我们使用模型预测下一个时间点的值，并将其添加到预测列表中。同时，我们将预测值添加到原始数据中，并重新训练模型。最后，输出预测结果。