如何获取Nixtla statsforecast拟合模型的参数与模型摘要？

1. 取出拟合后的模型实例 #

当你用StatsForecast完成模型拟合后，通过get_model()方法可以拿到AutoARIMA的具体模型对象：

# 假设已经执行完sf.fit(df=y, X=X)的拟合步骤
arima_model = sf.get_model('AutoARIMA')

2. 提取模型规格与参数 #

StatsForecast的AutoARIMA拟合完成后，核心参数都存储在*model_*属性中，直接调用即可获取：

• 自动选中的ARIMA阶数：arima_model.model_.order（返回(p,d,q)元组）
• 季节性阶数：arima_model.model_.seasonal_order（返回(P,D,Q,s)元组）
• 外部回归因子的系数：arima_model.model_.coef_
• 模型截距：arima_model.model_.intercept_
• 所有模型参数（含AR项、MA项、季节性项、回归系数）：arima_model.model_.params

3. 修改回归因子参数做情景分析 #

如果要固定ARIMA的阶数，仅调整外部回归因子的系数进行情景预测，无需再用AutoARIMA自动选阶，直接使用固定阶数的ARIMA模型即可：

from statsforecast.models import ARIMA

# 先获取AutoARIMA自动选定的阶数
p, d, q = arima_model.model_.order
P, D, Q, s = arima_model.model_.seasonal_order

# 自定义情景所需的新回归系数和截距
new_coef = [1.2, 0.8]  # 替换为你需要的情景系数
new_intercept = 0.5

# 构建固定参数的ARIMA模型
custom_arima = ARIMA(
    order=(p, d, q),
    seasonal_order=(P, D, Q, s),
    intercept=new_intercept,
    coef=new_coef
)

# 传入新的外部回归因子数据生成情景预测
sf_custom = StatsForecast(models=[custom_arima], freq='M')
scenario_forecasts = sf_custom.predict(h=12, X=X_scenarios)

4. 生成研究用模型摘要 #

StatsForecast目前没有内置的summary()方法，但可以手动提取关键指标整理成结构化摘要：

import pandas as pd

summary_info = {
    '模型类型': ['AutoARIMA'],
    'ARIMA阶数(p,d,q)': [arima_model.model_.order],
    '季节性阶数(P,D,Q,s)': [arima_model.model_.seasonal_order],
    '截距项': [arima_model.model_.intercept_],
    '外部回归因子系数': [arima_model.model_.coef_],
    'AIC': [arima_model.model_.aic],
    'BIC': [arima_model.model_.bic]
}

summary_df = pd.DataFrame(summary_info)
print(summary_df)

如果需要残差诊断类细节，可以通过arima_model.model_.resid获取残差序列，自行计算统计指标或绘制诊断图。

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