17、时间序列预测：SARIMAX模型实战

时间序列预测：SARIMAX模型实战

1. SARIMAX模型概述

SARIMAX模型是时间序列预测中最通用的模型。理论上，它结合了SARIMA(p,d,q)(P,D,Q)m模型和外生变量的线性组合。如果没有季节性模式，它就变成了ARIMAX模型；如果没有外生变量，它就是SARIMA模型；如果既没有季节性也没有外生变量，它就成了ARIMA模型。

2. 探索美国宏观经济数据集的外生变量

我们可以使用 statsmodels 库来加载美国宏观经济数据集，该数据集可用于预测实际GDP。以下是加载数据集的代码：

import statsmodels.api as sm
macro_econ_data = sm.datasets.macrodata.load_pandas().data    
macro_econ_data    

该数据集包含目标变量（内生变量）实际GDP，以及11个可用于预测的外生变量，如个人和联邦消费支出、利率、通货膨胀率、人口等。为了简单和清晰起见，我们在本章只使用6个变量：实际GDP作为目标变量，以及表9.1中列出的接下来的5个变量（realcons到cpi）作为外生变量。

变量	描述
realgdp	实际国内生产总值（目标变量或内生变量）