Python ARIMA实现报错：too many values to unpack (expected 3) 求助

问题原因 #

你使用的是statsmodels 0.12+版本中的新ARIMA接口（statsmodels.tsa.arima.model.ARIMA），这个接口的forecast()方法默认仅返回预测值序列，而旧版ARIMA接口（statsmodels.tsa.arima_model.ARIMA）的forecast()才会返回三个值（预测值、标准误、置信区间）。你的代码试图解包3个值，但实际只有1个返回值，因此触发ValueError。

解决方法1：使用新接口的get_forecast()方法（推荐） #

新接口将预测相关统计量封装在ForecastResults对象中，通过get_forecast()方法获取后，可按需提取对应数据：

# 替换原预测代码段
forecast_result = model_fit.get_forecast(steps=len(X_test))
forecast = forecast_result.predicted_mean  # 预测值
stderr = forecast_result.se_mean          # 标准误
conf_int = forecast_result.conf_int()     # 置信区间

解决方法2：切换到旧版ARIMA接口（不推荐，旧接口已弃用） #

如果坚持要解包三个返回值，可改用旧版ARIMA模块，但该模块在新版本statsmodels中已被标记为弃用，未来可能被移除：

# 替换导入语句
from statsmodels.tsa.arima_model import ARIMA as OldARIMA

# 拟合模型时改用旧接口
model = OldARIMA(y_train, order=order)
model_fit = model.fit(disp=0)

# 此时forecast()会返回三个值，可正常解包
forecast, stderr, conf_int = model_fit.forecast(steps=len(X_test))

补充说明 #

• 新接口的get_forecast()提供了更结构化的结果，支持自定义置信水平等参数，是官方推荐的使用方式。
• 你的代码中定义了X_train但未在ARIMA模型中使用，ARIMA是单变量时间序列模型，默认仅使用y_train（收盘价）作为输入，若要加入多变量特征，需使用SARIMAX模型而非ARIMA。

内容的提问来源于stack exchange，提问作者Vasileios G