statsmodels SARIMAX预测返回样本内结果及参数报错问题

核心问题1：Forecast日期异常 #

训练集索引截止到2021-09-27，但forecast返回的却是2020-07-31开始的结果，这是因为statsmodels对PeriodIndex的日期推断存在兼容性问题，尤其是当时间序列存在非连续日期（比如股市周末休市）时，容易出现日期偏移错误。

解决办法： #

将训练集索引从PeriodIndex改回DatetimeIndex，SARIMAX对该类型索引支持更稳定：

# 替换原索引转换代码
df_train.index = pd.DatetimeIndex(df_train.index)
# 重新拟合模型
training_mod = sm.tsa.SARIMAX(df_train, order=model.order)
training_res = training_mod.fit()

修改后调用training_res.forecast()会自动从2021-09-28开始生成预测值。

若必须使用PeriodIndex，可手动构造预测日期序列并结合get_forecast方法：

# 获取训练集最后一个日期
last_date = df_train.index[-1]
# 生成10天的预测日期序列
forecast_dates = pd.period_range(start=last_date+1, periods=10, freq='D')
# 获取预测结果
forecast_result = training_res.get_forecast(steps=10)
# 绑定日期与预测值
forecast_series = pd.Series(forecast_result.predicted_mean.values, index=forecast_dates)

核心问题2：Forecast传入start/end参数报错 #

报错原因是forecast()方法内部已默认传入start=self.nobs（即训练集结束位置），手动传入start参数会导致重复赋值，触发TypeError。

解决办法： #

若需指定具体预测起止日期，直接使用predict()方法：

• 针对PeriodIndex，需传入Period类型的日期：

start_date = pd.Period('2021-09-28', freq='D')
end_date = pd.Period('2021-10-05', freq='D')
forecast_series = training_res.predict(start=start_date, end=end_date)

• 针对DatetimeIndex，直接传入字符串或Datetime对象即可：

start_date = '2021-09-28'
end_date = '2021-10-05'
forecast_series = training_res.predict(start=start_date, end=end_date)

额外验证建议 #

• 检查training_res.nobs是否等于训练集长度（941），若不等说明模型拟合时未正确读取全部数据。
• 确保训练集索引频率正确，若df_train.index.freq为None，可手动设置：

df_train.index = df_train.index.asfreq('D')

内容的提问来源于stack exchange，提问作者zaidmehdi