如何用Python的ARIMA/SARIMA预测未来数据点？教程预测重叠问题

问题原因 #

你调用的sarima.fit().predict()默认是对训练数据区间内的样本做拟合预测（in-sample prediction），所以结果会和现有数据重叠，而非未来数据。

两种未来预测方法 #

方法1：用predict()指定未来时间范围

明确训练数据的最后时间点，手动设置预测的起始和结束时间：

# 先拟合模型
model_fit = sarima.fit()

# 获取训练数据的最后一个时间索引（确保索引是datetime类型）
last_date = lim_catfish_sales['Total'].index[-1]
# 设置预测的起始（训练结束后第一个时间点）和结束时间（比如往后推6个月）
start_date = last_date + pd.DateOffset(months=1)
end_date = last_date + pd.DateOffset(months=6)

# 生成未来预测
future_predictions = model_fit.predict(start=start_date, end=end_date)

方法2：用get_forecast()（推荐，支持置信区间）

这个方法专门用于生成未来预测，还能直接获取预测的置信区间：

model_fit = sarima.fit()

# 指定要预测的未来步数（比如预测12个月）
forecast = model_fit.get_forecast(steps=12)

# 获取预测值
future_pred_values = forecast.predicted_mean
# 可选：获取95%置信区间
confidence_intervals = forecast.conf_int()

关键注意事项 #

• 确保时间序列的索引是datetime类型，否则无法正确生成未来时间点，转换代码：

lim_catfish_sales.index = pd.to_datetime(lim_catfish_sales.index)

• 确认SARIMAX的seasonal_order参数和数据季节性匹配（教程中(1,0,1,12)对应年度月度季节性）。

内容的提问来源于stack exchange，提问作者effepelosa