statsmodels笔记
statsmodels 学习
statsmodels是python中用于统计计算的模块，有很多功能，很interesting。
一. statsmodels.tsa
是statsmodels中用于time series的部分。这其中分为stattools，ar_model.AR,arima_model，vector_ar等等。stattools包含统计方法，如自相关系数，偏自相关系数等等（此处需要再补充）
1. 其中如 statsmodels.tsa.stattools.acf(x,unbiased=False,nlags=40,
qstat=False,fft=False,alpha=None,missing='none')
x：输入的time series
unbiased：是否采用无偏
nlags：图片x轴显示的点的个数
qstat：是否返回Ljung—Box q
统计自相关系数（统计知识）
fft：是否用fft计算acf。alpha：置信系数设置。
missing：可在 [‘none’, ‘raise’, ‘conservative’, ‘drop’]中选择，用于对待nan。
return：acf，confint，qstat，pvalues
acf：自相关系数，confint：置信区间，qstat同上，pvalues：Q—statistics
2.statsmodels.tsa.arima_model.ARMA(endog,order,exog=None,dates=None,freq=None,missing='none')
endog:endogogenous variable内生变量（须看统计的书，order：p和q的值
exog：外生变量，不明白
dates：函数接受的必须是series或者dataframe形式的变量，所以需要date，如果之前给出的是列表，可以在此处添加date
freq：如果有date，freq可以自动生成所需要的时间指标，BDWMAQ是可选参数。
返回的是一个类，可用得attribute有endog_name,返回endog的name。methods有fit，from_formula,geterrors,hessian,information,intialize,loglike,loglike_css,loglike_kalman,predict,score.
3.statsmodels.tsa.arima_model.ARMA.fit(start_params=None, trend='c', method='css-mle', transparams=True
solver='lbfgs', maxiter=50, full_output=1, disp=5, callback=None, start_ar_lags=None, **kwargs)[source])
需要用fit来拟合模型，然后再用命令获取其他命令
start_params:ARMA(p,q)的起始参数
transparams：布尔变量，检查是否需要把data改成平稳的
method：str{‘css-mle’,’mle’,’css’},不太清楚
trend：是否引入一个常数，’c’和’nc’。
solver：解决方法有lbfg,newton,cg,ncg,powell
maxiter:最大的估计值，default为50.
tol：收敛精度，默认为很小，可以不用管。
full_output:布尔变量，和选用的solver有关。
callback：不明白。
start_ar_lags:不明白
kwargs：没什么卵用。
return：statsmodels.tsa.arima_model.ARMAResults class.