使用statsmodels的x13_arima_analysis遇X13Error，求解决方案

问题场景 #

使用statsmodels库的sm.tsa.x13_arima_analysis测试外生变量（exog）参数时，触发如下错误：

statsmodels.tools.sm_exceptions.X13Error: ERROR: forecasts end date, 2018.Feb, must end on or before user-defined regression variables end date, 2017.Feb.

测试代码 #

import statsmodels.api as sm
import pandas as pd
import numpy as np
import os

datelist = pd.date_range(pd.to_datetime('2012-12-31'), periods=1500).tolist()
date_df = pd.DataFrame(datelist, columns=['dates'])
endog = pd.concat([date_df, pd.DataFrame(np.random.randint(0, 100, size=(1500, 1)), columns=list('a'))], axis=1)
exog = pd.concat([date_df, pd.DataFrame(np.random.randint(0, 100, size=(1500, 1)), columns=list('b'))], axis=1)
endog.index = endog.dates
endog = endog.drop(['dates'], axis=1)
exog.index = exog.dates
exog = exog.drop(['dates'], axis=1)
endog = endog.resample('M').mean()
exog = exog.resample('M').mean()

X13PATH = r'D:\EconomicDataSeasonalAdjustTool\X13\x13as'
os.chdir(X13PATH)
os.environ['X13PATH'] = X13PATH
print(os.environ['X13PATH'])

res = sm.tsa.x13_arima_analysis(endog=endog, exog=exog, x12path=X13PATH, print_stdout=True)
print(res.seasadj)
print(res.plot)

完整报错信息 #

Traceback (most recent call last):
  File "C:\Python\Python310\lib\site-packages\IPython\core\interactiveshell.py", line 3553, in run_code
    exec(code_obj, self.user_global_ns, self.user_ns)
  File "<ipython-input-12-21406d809098>", line 12, in <cell line: 12>
    res = sm.tsa.x13_arima_analysis(endog=endog, exog=exog, x12path=X13PATH, print_stdout=True)
  File "C:\Users\LSTM\AppData\Roaming\Python\Python310\site-packages\pandas\util\_decorators.py", line 210, in wrapper
    return func(*args, **kwargs)
  File "C:\Users\LSTM\AppData\Local\Programs\Python\Python310\lib\site-packages\statsmodels\tsa\x13.py", line 518, in x13_arima_analysis
    _check_errors(errors)
  File "C:\Users\LSTM\AppData\Local\Programs\Python\Python310\lib\site-packages\statsmodels\tsa\x13.py", line 201, in _check_errors
    raise X13Error(errors)
statsmodels.tools.sm_exceptions.X13Error: ERROR: forecasts end date, 2018.Feb, must end on or before 
        user-defined regression variables end date, 2017.Feb.

错误原因 #

X13-ARIMA默认会对内生变量（endog）生成预测值，但你的外生变量（exog）时间序列的结束日期早于预测的结束日期，导致程序无法在预测阶段获取对应的外生变量值，从而触发冲突。

解决方案 #

方案1：关闭预测功能 #

如果不需要生成预测值，直接在调用函数时设置forecast=False，避免超出exog的日期范围：

res = sm.tsa.x13_arima_analysis(endog=endog, exog=exog, x12path=X13PATH, print_stdout=True, forecast=False)

方案2：延长外生变量覆盖预测期 #

如果需要保留预测，需将exog的时间序列延长至预测结束日期，并补充对应外生变量值（可根据业务场景选择填充方式，如下示例用均值填充）：

# 查看endog的最后日期，确认预测结束日期
print(endog.index[-1])
# 生成需要补充的日期范围（示例为2017-03至2018-02，需根据实际预测结束日期调整）
extend_dates = pd.date_range(start='2017-03-31', end='2018-02-28', freq='M')
# 用原exog的均值填充新日期的外生变量值
extend_exog = pd.DataFrame(np.full((len(extend_dates), 1), exog['b'].mean()), index=extend_dates, columns=['b'])
# 合并原exog与补充部分
exog_extended = pd.concat([exog, extend_exog])

# 使用扩展后的exog调用函数
res = sm.tsa.x13_arima_analysis(endog=endog, exog=exog_extended, x12path=X13PATH, print_stdout=True)

方案3：限制预测期数 #

通过forecast_periods参数指定预测期数，确保预测结束日期不超过exog的结束日期。例如若exog最后日期为2017-02，可设置预测期数为0：

res = sm.tsa.x13_arima_analysis(endog=endog, exog=exog, x12path=X13PATH, print_stdout=True, forecast_periods=0)

内容的提问来源于stack exchange，提问作者ah bon