python ARIMA时间序列分析之forecast 、predict and get_prediction

ARIMA forecast 、predict and get_prediction

被forecast与predict困扰一段时间，网络上众说纷纭。

这次做数据处理，对比得到如下粗略结论，没有讨论参数的使用细节（可参看帮助文档）：
版本：statsmodels 0.13.1

forecast 参数steps，表示预报多少个时间点(fit样本数据后)。
eg：
x=[1,2,3,4,5,6]
…
model.fit(x,y)
model.forecast(5)，在fit数据序列后（样本外），forecast5个点（x为7，8，9，10，11）y的值。

predict 参数(start,end) ,start起始时间点，end结束时间点。
起始、结束都没有限制（in sample与out of sample 均可），end大于start。
样本内的为拟合值，样本外为预测。

如果只给一个int值，缺省认为：
大于fit样本的最后时间点，预测这个时刻的值。
小于fit样本的最后时间点，predict当前值到fit样本的最后时间点。

eg：
x=[1,2,3,4,5,6]
…
model.fit(x,y)
model.predict(2) #predict x等于2，3，4，5，6的y
model.predict(7) #forecast x等于7的y

get_prediction 基本同 predict
但返回的值不一样。要查看预测结果需要使用
.predicted_mean属性

eg：
x=[1,2,3,4,5,6]
…
model.fit(x,y)
result=model.get_prediction(2)
result.predicted_mean #返回预测结果