如何在Python中用ARIMAX模型预测？遇样本内拟合问题求解答

一、解决样本内拟合而非测试集预测的问题 #

你的results.predict(steps=5)默认从训练集起始位置（索引0）开始预测，所以返回的是训练集的拟合值，而非样本外测试集预测。可以通过两种方式修正：

方法1：指定预测起始位置 #

训练集共100条数据（索引0-99），将start参数设为训练集长度，同时注意外生变量列名要和训练集一致（你代码里的pc1,pc2应该是笔误，需改为x1,x2）：

# 修正外生变量列名，指定从训练集结束位置开始预测
preds = results.predict(start=len(df_train), end=len(df_train)+4, exog=df_test[['x1', 'x2']])

方法2：使用get_forecast()（更推荐） #

statsmodels为ARIMA结果提供了专门的get_forecast()方法用于样本外预测，无需手动指定起始位置，会自动基于训练集末尾状态计算：

# 生成5步样本外预测
forecast = results.get_forecast(steps=5, exog=df_test[['x1', 'x2']])
# 提取预测值
forecast_values = forecast.predicted_mean

二、关于模型滞后项的说明 #

不需要手动追加训练集y的最后2个值。results对象在拟合完成后，已经保存了训练序列的最后状态信息（包括滞后的y值、残差等），样本外预测时会自动利用这些信息完成递推计算，无需额外操作。

内容的提问来源于stack exchange，提问作者Lumi Nor