时间序列分析-2 forecast 、predict

forecast and get_forcast、predict and get_prediction
forecast 参数steps，表示预报多少个时间点(fit样本数据后)。
eg：

from statsmodels.tsa.arima.model import ARIMA

y=[1,2,3,4,5,6]

model=ARIMA(y,order=(1,1,0))
m=model.fit()
m.forecast(5)

在fit数据序列后（样本外），forecast5个点（为7，8，9，10，11）y的值。

predict 参数(start,end) ,start起始时间点，end结束时间点。
起始、结束都没有限制（in sample与out of sample 均可），end大于start。
样本内的为拟合值，样本外为预测。

如果只给一个int值，缺省认为：
大于fit样本的最后时间点，预测这个时刻的值。
小于fit样本的最后时间点，predict当前值到fit样本的最后时间点。

eg：

x=[1,2,3,4,5,6]
model=ARIMA(y,order=(1,1,0))
m=model.fit()
m.predict(2) #predict x等于2，3，4，5，6的y
m.predict(7) #forecast x等于7的y

get_prediction， get_forecast基本同上
但返回的值不一样。
他们都给出置信区间conf_int
预测结果为置信区间的均值。
通过.predicted_mean或forecast_mean属性获取预测值。

eg：

from statsmodels.tsa.arima.model import ARIMA
y=[1,2,3,4,5,6]
model=ARIMA(y,order=(1,1,0))
m=model.fit()
result=m.get_prediction(2)

result.conf_int() #返回置信区间

result.predicted_mean #返回预测结果