使用python-Statsmodels進行基於統計學的時間序列分析
StatsModels簡介
statistic in python
提供用於估計許多不同的統計模型以及進行統計測試和統計數據探索的類和函數。每個估算器都有大量的結果統計信息列表。
基本的功能列表如下
1.Autoregression（AR）
自回歸模型（Autoregressive Model，簡稱 AR 模型）是最常見的平穩時間序列模型之一。
from statsmodels.tsa.ar_model import AR
2.Autoregressive Moving Average（ARMA）
ARMA方法結合了自回歸（AR）模型和移動平均（MA）模型。
from statsmodel.tsa.arima_model import ARMA
3.Autoregressive Integrated Moving Average（ARIMA）
ARIMA方法結合自回歸（AR）和移動平均（MA）模型以及序列的差分預處理步驟以使序列靜止，稱為積分。
from statsmodel.tsa.arima_model import ARIMA
4.Seasonal Autoregressive Integrated Moving-Average (SARIMA)
SARIMA方法將序列中的下一步建模為先前時間步驟的差異觀測值、誤差、差異性季節觀測值和季節性誤差的線性函數。
它結合了ARIMA模型，能夠在季節性水平上執行相同的自回歸、差分和移動平均建模。
from statsmodel.tsa.statespace.sarimax import SARIMAX
5.Seasonal Autoregressive Integrated Moving-Average with Exogenous Regressors (SARIMAX)
SARIMAX是SARIMA模型的擴展，還包括外生變量的建模。
SARIMAX方法還可用於使用外生變量對包含的模型進行建模，例如ARX，MAX，ARMAX和ARIMAX。
from statsmodels.tsa.statespace.sarimax import SARIMAX
6.Vector Autoregression (VAR)
向量自回歸方法使用AR模型。AR是多個並行時間序列的推廣。
from statsmodel.tsa.vector_ar.var_model import VAR
7.Vector Autoregression Moving-Average (VARMA)
這是ARMA對多個並行時間序列的推廣，例如，多變量時間序列。
from statsmodel.tsa.statespace.varmax import VARMAX
8.Vector Autoregression Moving-Average with Exogenous Regressors（VARMAX）
VARMAX是VARMA模型的擴展，它還包括外生變量的建模。它是ARMAX方法的多變量版本。
from statsmodels.tsa.statespace.varmax import VARMAX
9.Holt Winter’s Exponential Smoothing (HWES)
HWES是在先前時間步驟的觀測的指數加權線性函數，將考慮趨勢和季節性因素。
from statsmodel.tsa.holtwinters import ExponentialSmoothing