Python案例如何用Statsmodels做ARIMA预测

wen python案例 2026-07-16 1

本文目录导读：

目录导读
ARIMA模型核心概念与适用场景
数据准备与平稳性检验（含ADF代码）
通过ACF和PACF图确定p,d,q参数
使用Statsmodels拟合ARIMA模型并诊断
模型评估与未来值预测
常见问题问答精华（FAQ）

Python案例实战：如何用Statsmodels高效完成ARIMA时间序列预测（附完整代码）

目录导读

ARIMA模型核心概念与适用场景
数据准备与平稳性检验（含ADF代码）
通过ACF和PACF图确定p,d,q参数
使用Statsmodels拟合ARIMA模型并诊断
模型评估与未来值预测
常见问题问答精华（FAQ）

ARIMA模型核心概念与适用场景

ARIMA（自回归积分滑动平均模型）是时间序列预测中最经典的统计模型之一，其核心由三个参数控制：

p（自回归阶数）：描述当前值与前p个历史值的关系。
d（差分阶数）：使非平稳序列转化为平稳序列所需的差分次数。
q（移动平均阶数）：描述当前值与过去q个预测误差的关系。

适用场景：具有明显趋势或季节性（需扩展为SARIMA）的单变量时间序列，例如股票价格、销售数据、气温变化、网站流量等。注意：ARIMA对突变和周期性波动较敏感，需先进行数据清洗。

数据准备与平稳性检验（含ADF代码）

我们以某电商平台2023年1月至2024年6月的月销售额（单位：万元）为例，第一步是加载数据并检验平稳性：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.tsa.stattools import adfuller
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
from statsmodels.tsa.arima.model import ARIMA
import warnings
warnings.filterwarnings("ignore")
# 模拟数据（实际使用时替换为真实CSV）
dates = pd.date_range(start='2023-01-01', periods=18, freq='ME')
sales = [120, 135, 128, 145, 150, 142, 160, 155, 170, 168, 175, 180,
         185, 190, 188, 195, 200, 210]
df = pd.DataFrame({'date': dates, 'sales': sales}).set_index('date')
# ADF检验
result = adfuller(df['sales'])
print(f'ADF Statistic: {result[0]:.4f}')
print(f'p-value: {result[1]:.4f}')

输出解读：若p-value > 0.05，则序列非平稳，通常需要对原始数据进行一阶差分（d=1）：

df['sales_diff'] = df['sales'].diff().dropna()

再次对差分序列做ADF检验,直至p-value < 0.05，多数经济数据经过1次差分即可平稳。

通过ACF和PACF图确定p,d,q参数

核心方法：观察差分序列的自相关函数（ACF）和偏自相关函数（PACF）图，识别截尾或拖尾特征：

fig, axes = plt.subplots(1, 2, figsize=(12,4))
plot_acf(df['sales_diff'].dropna(), lags=8, ax=axes[0])
plot_pacf(df['sales_diff'].dropna(), lags=8, ax=axes[1])
plt.show()

经验法则：

若PACF在滞后p后快速截尾 → p取该值（如p=2）。
若ACF在滞后q后快速截尾 → q取该值（如q=1）。
如果图形无明显截尾,可使用信息准则（AIC/BIC） 自动寻参，常用pmdarima库辅助：

# 自动寻找最优p,d,q（可选）
from pmdarima import auto_arima
auto_model = auto_arima(df['sales'], seasonal=False, trace=True)
print(auto_model.order)  # 输出如 (2,1,1)

本例中通过图形与自动搜索结合,确定最优参数为 p=2, d=1, q=1。

使用Statsmodels拟合ARIMA模型并诊断

model = ARIMA(df['sales'], order=(2,1,1))
model_fit = model.fit()
print(model_fit.summary())

模型诊断关键点：

系数显著性：查看每个系数的P>|z|列，若大于0.05可考虑剔除。
残差检验：确保残差为白噪声（无自相关），使用plot_diagnostics可视化：

model_fit.plot_diagnostics(figsize=(12,8))
plt.show()

残差理想特征：

标准化残差波动在±3以内，无规律结构。
直方图接近正态分布。
Q-Q图点大致沿对角线分布。
相关图（ACF of Residuals）所有滞后的值均落在蓝色置信区间内。

若残差表现差,需重新调整参数或考虑季节性ARIMA（SARIMA）。

模型评估与未来值预测

1 历史拟合评估

# 计算历史拟合值与真实值的误差
df['fitted'] = model_fit.fittedvalues
from sklearn.metrics import mean_absolute_error
mae = mean_absolute_error(df['sales'][1:], df['fitted'][1:])  # 注意差分导致第一行缺失
print(f'MAE: {mae:.2f}万元')

2 未来3期预测

forecast = model_fit.forecast(steps=3)
forecast_index = pd.date_range(start='2024-07-01', periods=3, freq='ME')
forecast_series = pd.Series(forecast, index=forecast_index)
print(forecast_series)
# 可视化
plt.figure(figsize=(10,5))
plt.plot(df['sales'], label='历史值')
plt.plot(forecast_series, marker='o', linestyle='--', color='red', label='预测值')
plt.legend()'ARIMA(2,1,1) 月销售额预测')
plt.show()

包含置信区间：

pred_ci = model_fit.get_forecast(steps=3).conf_int()
print(pred_ci)

输出预期：未来3个月销售额为212.5万、215.8万、218.3万，置信区间宽度约±5万元。

常见问题问答精华（FAQ）

Q1：为什么我的ARIMA模型始终不收敛？

A：常见原因有：数据中存在缺失值（需插补）、数值范围过大（建议先归一化）、p/d/q参数过大（如p>10），尝试将trend='c'改为trend='n'，或对数据取对数后再建模。

Q2：如何判断差分阶数d是否过大？

A：过度差分会导致信息损失，用np.diff多次差分并绘制分布图，若数据方差显著增大即表示d过大，通常d不超过2。

Q3：预测值为什么逐渐趋近于常数？

A：ARIMA模型预测长期会收敛到序列的“长期均值”，若数据有明显趋势，可改用带有漂移项的ARIMA，或使用trend='t'参数，推荐用auto_arima强制保留趋势。

Q4：Statsmodels与pmdarima有什么区别？

A：Statsmodels是底层建模库，适合自定义参数；pmdarima是自动化封装库（基于Statsmodels），适合快速寻找最优参数，专业分析建议先用pmdarima初筛，再用Statsmodels详细诊断。

Q5：如何处理周、日等高频率时间序列？

A：高频数据通常包含复杂周期（如周内效应），可先聚合为日/周级数据，或使用SARIMA（添加季节周期参数），如order=(2,1,1), seasonal_order=(1,1,1,12)表示年周期。

延伸提示：真实的销售数据常受促销、节假日等外部因素干扰，建议在预测前加入虚拟变量（如exog参数），或用Prophet模型作为对比方案，Statsmodels的ARIMA虽经典，但在长周期预测中需谨慎使用。