时间序列分析—从ARMA到ARIMA再到SARIMA

[TOC]

ARMA

AR(p),MA(q)二者相结合,即为ARMA(p,q),自回归移动平均。

公式如下:
IzEYJU.png

公式表示:

当前时间步长的值是一个常数加上自回归滞后及其乘数之和,加上移动平均滞后及其乘数之和,再加上一些白噪声。

兼具捕捉滞后项及残差的影响,更具普遍性。确定p,q的阶,根据最小二乘或极大似然估计等非参数估计更新方程系数。

回顾一下时间序列建模流程:

  1. 平稳性检验:
  • 判断序列是否平稳
    如果不平稳,则需对序列进行变换(一般用差分);
  • 判断平稳序列是否为白噪音
    如平稳序列为白噪音,则不满足建模条件
  1. 模型估计:
  • 判断p,q的值
    由历史的文章得知,可通过自相关系数(ACF)及偏自相关系数(PACF)决定,AR(p)出现p阶截尾,MA(q)出现q阶截尾 ;
  • 信息准则
    如果ACF与PACF图看不出来明确的截尾,则采用信息准则进行判断,一般采用BICAIC
  • 二者相结合
  1. 模型残差检验
  • 残差是否是平均值为0且方差为常数的正态分布(正态性)
  • 检验残差的相关性(相关性)

ARIMA

自回归综合移动平均(ARIMA),和ARMA的差别,就是多了一个非平稳序列转化为平稳的参数d ,表示d阶差分后转化为平稳序列。ARIMA 模型只是差分时间序列上的 ARMA 模型。

ARIMA模型用符号ARIMA(p, d, q) 表示。

比如说ARIMA(1,1,0) 模型,(1,1,0) 意味着有一个自回归滞后,对数据进行了一次差分,并且没有移动平均项。

  • p
    模型的自回归部分,将过去值的影响纳入模型,也就是历史取值对未来有影响;
  • d是模型的集成部分。
    使时间序列平稳所需的差分数 。比如说,如果过去三天的温度差异非常小,明天的温度可能和前几天温度差不多;
  • q
    模型的移动平均部分,模型误差可以是过去时间点观察的误差值的线性组合。

SARIMA

SARIMA(Seasonal AutoRegressive Integrated Moving Average Model),具有外生回归模型的季节性自回归移动平均模型,简称季节性ARIMA。也就是在ARIMA的基础上,加入了季节性部分。季节性是指数据中具有固定频率的重复模式:每天、每两周、每四个月等重复的模式。

SARIMA模型可表示为SARIMA(p,d,q)x(P,D,Q)s,该式子满足乘法原则,前半部分表示非季节部分,后面表示季节部分,s表示季节性频率。

季节性成分可能捕捉长期模式,而非季节性成分调整了对短期变化的预测

SARIMA实战

先依次把时间序列分析的建模流程一个个过一下。

1. 序列平稳性检验

这里采用单位根检验

单位根检验:
对时间序列单位根的检验就是对时间序列平稳性的检验,非平稳时间序列如果存在单位根,则一般可以通过差分的方法来消除单位根,得到平稳序列。

单位根T检验:

  • 原假设:有单位根
  • p<显著性水平,则拒绝原假设,说明单位根平稳
def test_stationarity(timeseries,
                      maxlag=None, regression=None, autolag=None,
                      window=None, plot=False, verbose=False):
    '''
    单位根检验

    '''
    
    # set defaults (from function page)
    if regression is None:
        regression = 'c'
    
    if verbose:
        print('Running Augmented Dickey-Fuller test with paramters:')
        print('maxlag: {}'.format(maxlag))
        print('regression: {}'.format(regression))
        print('autolag: {}'.format(autolag))
    
    if plot:
        if window is None:
            window = 4
        #Determing rolling statistics
        rolmean = timeseries.rolling(window=window, center=False).mean()
        rolstd = timeseries.rolling(window=window, center=False).std()
        
        #Plot rolling statistics:
        orig = plt.plot(timeseries, color='blue', label='Original')
        mean = plt.plot(rolmean, color='red', label='Rolling Mean ({})'.format(window))
        std = plt.plot(rolstd, color='black', label='Rolling Std ({})'.format(window))
        plt.legend(loc='best')
        plt.title('Rolling Mean & Standard Deviation')
        plt.show(block=False)
    
    #Perform Augmented Dickey-Fuller test:
    dftest = smt.adfuller(timeseries, maxlag=maxlag, regression=regression, autolag=autolag)
    dfoutput = pd.Series(dftest[0:4], index=['Test Statistic',
                                             'p-value',
                                             '#Lags Used',
                                             'Number of Observations Used',
                                            ])
    for key,value in dftest[4].items():
        dfoutput['Critical Value (%s)'%key] = value
    if verbose:
        print('Results of Augmented Dickey-Fuller Test:')
        print(dfoutput)
    return dfoutput

2、acf、pacf图

画出原序列图、ACF及PACF图,大致判断序列的历史数据走势及p,q阶数

def tsplot(y, lags=None, title='', figsize=(14, 8)):

    fig = plt.figure(figsize=figsize)
    layout = (2, 2)
    ts_ax   = plt.subplot2grid(layout, (0, 0))
    hist_ax = plt.subplot2grid(layout, (0, 1))
    acf_ax  = plt.subplot2grid(layout, (1, 0))
    pacf_ax = plt.subplot2grid(layout, (1, 1))
    
    y.plot(ax=ts_ax)
    ts_ax.set_title(title)
    y.plot(ax=hist_ax, kind='hist', bins=25)
    hist_ax.set_title('Histogram')
    smt.graphics.plot_acf(y, lags=lags, ax=acf_ax)
    smt.graphics.plot_pacf(y, lags=lags, ax=pacf_ax)
    [ax.set_xlim(0) for ax in [acf_ax, pacf_ax]]
    sns.despine()
    fig.tight_layout()
    return ts_ax, acf_ax, pacf_ax

3、模型残差统计

检验标准化残差的正态性(Jarque-Bera 正态性​​检验):

  • 原假设:是正态的
  • p>alpha,接受原假设,残差是正态的

检验残差序列相关性(Ljung-Box 检验):

  • 原假设:没有序列相关性
  • p>alpha ,接受原假设,残差序列没有相关性

检验残差序列相关性(Durbin-Watson检验):

  • 该统计量值越接近 2 越好,一般在 1~3 之间说明没问题;
  • 小于 1 这说明残差存在自相关性。

def model_resid_stats(model_results,
                      het_method='breakvar',
                      norm_method='jarquebera',
                      sercor_method='ljungbox',
                      verbose=True,
                      ):

    
    (het_stat, het_p) = model_results.test_heteroskedasticity(het_method)[0]
    # Jarque-Bera 正态性​​检验
    norm_stat, norm_p, skew, kurtosis = model_results.test_normality(norm_method)[0] 
    # Ljung-Box检验 相关性检验
    sercor_stat, sercor_p = model_results.test_serial_correlation(method=sercor_method)[0] 
    sercor_stat = sercor_stat[-1] # last number for the largest lag
    sercor_p = sercor_p[-1] # last number for the largest lag

    # Durbin-Watson检验 相关性检验
    dw_stat = sm.stats.stattools.durbin_watson(model_results.filter_results.standardized_forecasts_error[0, model_results.loglikelihood_burn:])

    # check whether roots are outside the unit circle (we want them to be);
    # will be True when AR is not used (i.e., AR order = 0)
    arroots_outside_unit_circle = np.all(np.abs(model_results.arroots) > 1)
    # will be True when MA is not used (i.e., MA order = 0)
    maroots_outside_unit_circle = np.all(np.abs(model_results.maroots) > 1)
    
    if verbose:
        print('Test heteroskedasticity of residuals ({}): stat={:.3f}, p={:.3f}'.format(het_method, het_stat, het_p));
        print('\nTest normality of residuals ({}): stat={:.3f}, p={:.3f}'.format(norm_method, norm_stat, norm_p));
        print('\nTest serial correlation of residuals ({}): stat={:.3f}, p={:.3f}'.format(sercor_method, sercor_stat, sercor_p));
        print('\nDurbin-Watson test on residuals: d={:.2f}\n\t(NB: 2 means no serial correlation, 0=pos, 4=neg)'.format(dw_stat))
        print('\nTest for all AR roots outside unit circle (>1): {}'.format(arroots_outside_unit_circle))
        print('\nTest for all MA roots outside unit circle (>1): {}'.format(maroots_outside_unit_circle))
    
    stat = {'het_method': het_method,
            'het_stat': het_stat,
            'het_p': het_p,
            'norm_method': norm_method,
            'norm_stat': norm_stat,
            'norm_p': norm_p,
            'skew': skew,
            'kurtosis': kurtosis,
            'sercor_method': sercor_method,
            'sercor_stat': sercor_stat,
            'sercor_p': sercor_p,
            'dw_stat': dw_stat,
            'arroots_outside_unit_circle': arroots_outside_unit_circle,
            'maroots_outside_unit_circle': maroots_outside_unit_circle,
            }
    return stat

4、模型参数网格搜索

SARIMA模型的参数有6个,如果人工去选择的话,就得调秃头,所以得上网格搜索调一下,其实也可以用贝叶斯估计调参,这里只介绍网格。

这里主要关注SARIMAX这个函数的调用及其参数的含义。

  • order:ARIMA对应的(p,d,q)
  • seasonal_order: (P,D,Q,s)
def model_gridsearch(ts,
                     p_min,
                     d_min,
                     q_min,
                     p_max,
                     d_max,
                     q_max,
                     sP_min,
                     sD_min,
                     sQ_min,
                     sP_max,
                     sD_max,
                     sQ_max,
                     trends,
                     s=None,
                     enforce_stationarity=True,
                     enforce_invertibility=True,
                     simple_differencing=False,
                     plot_diagnostics=False,
                     verbose=False,
                     filter_warnings=True,
                    ):
    '''Run grid search of SARIMAX models and save results.
    '''
    
    cols = ['p', 'd', 'q', 'sP', 'sD', 'sQ', 's', 'trend',
            'enforce_stationarity', 'enforce_invertibility', 'simple_differencing',
            'aic', 'bic',
            'het_p', 'norm_p', 'sercor_p', 'dw_stat',
            'arroots_gt_1', 'maroots_gt_1',
            'datetime_run']

    # Initialize a DataFrame to store the results
    df_results = pd.DataFrame(columns=cols)


    mod_num=0
    for trend,p,d,q,sP,sD,sQ in itertools.product(trends,
                                                  range(p_min,p_max+1),
                                                  range(d_min,d_max+1),
                                                  range(q_min,q_max+1),
                                                  range(sP_min,sP_max+1),
                                                  range(sD_min,sD_max+1),
                                                  range(sQ_min,sQ_max+1),
                                                  ):
        # initialize to store results for this parameter set
        this_model = pd.DataFrame(index=[mod_num], columns=cols)

        if p==0 and d==0 and q==0:
            continue

        try:
            model = sm.tsa.SARIMAX(ts,
                                   trend=trend,
                                   order=(p, d, q),
                                   seasonal_order=(sP, sD, sQ, s),
                                   enforce_stationarity=enforce_stationarity,
                                   enforce_invertibility=enforce_invertibility,
                                   simple_differencing=simple_differencing,
                                  )
            
            if filter_warnings is True:
                with warnings.catch_warnings():
                    warnings.filterwarnings("ignore")
                    model_results = model.fit(disp=0)
            else:
                model_results = model.fit()

            if verbose:
                print(model_results.summary())

            if plot_diagnostics:
                model_results.plot_diagnostics();

            stat = model_resid_stats(model_results,
                                     verbose=verbose)

            this_model.loc[mod_num, 'p'] = p
            this_model.loc[mod_num, 'd'] = d
            this_model.loc[mod_num, 'q'] = q
            this_model.loc[mod_num, 'sP'] = sP
            this_model.loc[mod_num, 'sD'] = sD
            this_model.loc[mod_num, 'sQ'] = sQ
            this_model.loc[mod_num, 's'] = s
            this_model.loc[mod_num, 'trend'] = trend
            this_model.loc[mod_num, 'enforce_stationarity'] = enforce_stationarity
            this_model.loc[mod_num, 'enforce_invertibility'] = enforce_invertibility
            this_model.loc[mod_num, 'simple_differencing'] = simple_differencing

            this_model.loc[mod_num, 'aic'] = model_results.aic
            this_model.loc[mod_num, 'bic'] = model_results.bic

            # this_model.loc[mod_num, 'het_method'] = stat['het_method']
            # this_model.loc[mod_num, 'het_stat'] = stat['het_stat']
            this_model.loc[mod_num, 'het_p'] = stat['het_p']
            # this_model.loc[mod_num, 'norm_method'] = stat['norm_method']
            # this_model.loc[mod_num, 'norm_stat'] = stat['norm_stat']
            this_model.loc[mod_num, 'norm_p'] = stat['norm_p']
            # this_model.loc[mod_num, 'skew'] = stat['skew']
            # this_model.loc[mod_num, 'kurtosis'] = stat['kurtosis']
            # this_model.loc[mod_num, 'sercor_method'] = stat['sercor_method']
            # this_model.loc[mod_num, 'sercor_stat'] = stat['sercor_stat']
            this_model.loc[mod_num, 'sercor_p'] = stat['sercor_p']
            this_model.loc[mod_num, 'dw_stat'] = stat['dw_stat']
            this_model.loc[mod_num, 'arroots_gt_1'] = stat['arroots_outside_unit_circle']
            this_model.loc[mod_num, 'maroots_gt_1'] = stat['maroots_outside_unit_circle']

            this_model.loc[mod_num, 'datetime_run'] = pd.to_datetime('today').strftime('%Y-%m-%d %H:%M:%S')

            df_results = df_results.append(this_model)
            mod_num+=1
        except:
            continue
    return df_results

5、搭建模型

5.1 导入数据

这里拆分测试集、验证集,不同于机器学习建模采取随机抽样的形式,因为时序数据是有序的。


liquor = pd.read_csv('liquor.csv', header=0, index_col=0, parse_dates=[0])

n_sample = liquor.shape[0]
n_train=int(0.95*n_sample)+1
n_forecast=n_sample-n_train

# 拆分测试集序列和验证集序列
liquor_train = liquor.iloc[:n_train]['Value']
liquor_test  = liquor.iloc[n_train:]['Value']
print(liquor_train.shape)
print(liquor_test.shape)
print("Training Series:", "\n", liquor_train.tail(), "\n")
print("Testing Series:", "\n", liquor_test.head())

5.2 可视化原序列、acf及pacf

tsplot(liquor_train, title='Liquor Sales (in millions of dollars)', lags=40);

从原始序列图发现,序列并不是平稳序列,并且从acf、pacf图中,没有明显的截尾,没办法判断p,q。
时间序列分析—从ARMA到ARIMA再到SARIMA_第1张图片

5.3 非平稳序列转平稳序列

# 检验平稳性

test_stationarity(liquor_train)

单位根检验,p>0.05,不能拒绝原假设(有单位根),序列非平稳。
时间序列分析—从ARMA到ARIMA再到SARIMA_第2张图片

# 差分
test_stationarity(liquor_train.diff().dropna())

一阶差分,p<0.05,拒绝原假设,序列平稳,所以该序列进行一阶差分就够了。
时间序列分析—从ARMA到ARIMA再到SARIMA_第3张图片

5.4 模型参数网格搜索


p_min = 0
d_min = 0
q_min = 0
p_max = 2
d_max = 1
q_max = 2

sP_min = 0
sD_min = 0
sQ_min = 0
sP_max = 1
sD_max = 1
sQ_max = 1

# 以一年为一个周期
s=12 

# trends=['n', 'c']
trends=['n']

enforce_stationarity=True
enforce_invertibility=True
simple_differencing=False

plot_diagnostics=False

verbose=False

df_results = model_gridsearch(liquor['Value'],
                              p_min,
                              d_min,
                              q_min,
                              p_max,
                              d_max,
                              q_max,
                              sP_min,
                              sD_min,
                              sQ_min,
                              sP_max,
                              sD_max,
                              sQ_max,
                              trends,
                              s=s,
                              enforce_stationarity=enforce_stationarity,
                              enforce_invertibility=enforce_invertibility,
                              simple_differencing=simple_differencing,
                              plot_diagnostics=plot_diagnostics,
                              verbose=verbose,
                              )

5.5 模型选择与搭建


df_results.sort_values(by='bic').head(10)

这里选择BIC作为模型评估指标,选择最小的BIC对应的参数进行建模,即(p,d,q)=(2,1,0),(P,D,Q)s = (0,1,1)12。
时间序列分析—从ARMA到ARIMA再到SARIMA_第4张图片

将上述最优参数代入模型中:


mod = sm.tsa.statespace.SARIMAX(liquor_train, order=(2,1,0), seasonal_order=(0,1,1,12))
sarima_fit2 = mod.fit()
print(sarima_fit2.summary())

来看看得到的训练集模型的统计量:

  • coef :回归的系数
  • p>|z|:系数是否显著
  • JB:残差的正态检验
  • LB:残差序列的相关性检验

时间序列分析—从ARMA到ARIMA再到SARIMA_第5张图片

模型残差的可视化检验:

  • 随机性:是否为白噪音
  • 正态性:是否为正态分布
  • 相关性:残差之间相关性是否较低

满足以上条件,模型的建立才算成功。

sarima_fit2.plot_diagnostics(figsize=(16, 12));

时间序列分析—从ARMA到ARIMA再到SARIMA_第6张图片

5.6 预测

fig, ax1 = plt.subplots(nrows=1, ncols=1, figsize=(12, 8))
    
ax1.plot(liquor_train, label='In-sample data', linestyle='-')
# subtract 1 only to connect it to previous point in the graph
ax1.plot(liquor_test, label='Held-out data', linestyle='--')

# yes DatetimeIndex
pred_begin = liquor_train.index[sarima_fit2.loglikelihood_burn]
pred_end = liquor_test.index[-1]
pred = sarima_fit2.get_prediction(start=pred_begin.strftime('%Y-%m-%d'),
                                    end=pred_end.strftime('%Y-%m-%d'))
pred_mean = pred.predicted_mean
pred_ci = pred.conf_int(alpha=0.05)

ax1.plot(pred_mean, 'r', alpha=.6, label='Predicted values')
ax1.fill_between(pred_ci.index,
                 pred_ci.iloc[:, 0],
                 pred_ci.iloc[:, 1], color='k', alpha=.2)
ax1.set_xlabel("Year")
ax1.set_ylabel("Liquor Sales")
ax1.legend(loc='best');
fig.tight_layout();

时间序列分析—从ARMA到ARIMA再到SARIMA_第7张图片

放大看,拟合的效果是非常好的~(肉眼可见的稳)
时间序列分析—从ARMA到ARIMA再到SARIMA_第8张图片


参考链接:

  1. http://statsmodels.sourceforg...
  2. https://wiki.mbalib.com/wiki/...
  3. http://www.statsmodels.org/de...
  4. http://www.statsmodels.org/de...
  5. https://www.statsmodels.org/d...
  6. https://www.statsmodels.org/d...
  7. https://cloud.tencent.com/dev...
  8. https://blog.csdn.net/qifeide...

欢迎关注个人公众号:Distinct数说

你可能感兴趣的