调用ARIMA模型forecast方法提示无该属性AttributeError报错

这个报错本质是调用方法的对象不对：

• statsmodels v0.12及以上版本重构了ARIMA接口，直接实例化得到的ARIMA对象只存储模型配置和输入数据，根本没有挂载forecast这类预测方法，必须先跑完拟合流程，拿到训练完成的结果对象才能调用预测接口。
• 要是你是照着三四年前的旧教程敲的代码，还会碰到返回值不兼容的坑：旧版ARIMA的forecast返回三元组，新版的返回规则早就改了。

按新版接口的标准流程改代码就行，步骤如下：

1. 实例化ARIMA模型，传入训练序列和p/d/q阶数参数
2. 调用fit()完成模型训练，拿到拟合后的结果对象
3. 所有预测相关的方法，都在这个拟合结果对象上调用，别直接在初始实例化的模型对象上调

对应代码示例：

# 注意用新版导入路径，旧的statsmodels.tsa.arima_model路径已经弃用，别再用了
from statsmodels.tsa.arima.model import ARIMA

# 实例化模型，order替换成你实际用的阶数
model = ARIMA(train_data, order=(p, d, q))
# 拟合模型
model_fit = model.fit()

# 预测往后82步的数值
# 新版forecast直接返回预测值数组，不需要再加[0]索引
forecast = model_fit.forecast(steps=82)

如果你需要同时拿预测的标准误、置信区间，别用forecast，换get_forecast接口：

forecast_res = model_fit.get_forecast(steps=82)
forecast_mean = forecast_res.predicted_mean # 预测均值
forecast_se = forecast_res.se_mean # 预测标准误
forecast_ci = forecast_res.conf_int(alpha=0.05) # 95%置信区间

额外提个容易踩的坑：旧版ARIMA的forecast(steps=82)返回(预测值, 标准误, 置信区间)三元组，所以原代码加了[0]取预测值；新版model_fit.forecast(steps=82)直接返回长度82的预测值数组，要是你留着[0]，只会拿到82步里的第一个预测值，根本不是你要的完整预测结果，记得把这个索引删掉。

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