今天使用python做了arima model，其他都是沒有問題的，但是在預測時遇到一個很大的問題，查了半天，中文英文都查了，文檔也查了，似乎沒有辦法解決，可能是在python的statsmodels.tsa.arima_model設計過程中就是沒有考慮這種情況吧。本文先講一下使用python做arima model的一些基本情況和注意事項，然後講一下存在的問題。
1. statsmodels.tsa.arima_model注意事項
關於這個arima package網上已經有很多很多的介紹了，這裏給出幾個傳送門：python arima model1，python arima model2，官方文檔，英文的一份比較好的教程看這些就可以基本瞭解怎麼使用了。我主要就講一下我再操作的過程中遇到的一些需要注意的地方。
- 數據使用series就可以，首先對數據進行差分使得其平穩，得到階數，也就是d，然後做出自相關圖和偏自相關圖，依次確定p和q，確定模型的基本形式arima（p，d，q）。
- 模型訓練時就使用fit函數就行，注意fit函數存在一個參數是method ，裏面包含3種訓練模型的方法，分別是{‘css-mle’,’mle’,’css’}，默認是mle，如果訓練報錯，可以試試css，一般css不容易訓練失敗。一般提示無法收斂，無法求逆等問題時就是訓練方法不合適造成的，換一個試試。
- 預測有兩種方式predict和forecast，一般predict就可以完成了吧，forecast就沒去了解，不是很清楚，ARIMA.predict(params, start=None, end=None, exog=None, typ=‘linear’, dynamic=False)，可以設置一個start和end，然後就會返回一個array，是從start到end的預測結果，這個預測可以是樣本內的，也可以是樣本外的。start和end可以是索引也可以是日期字符串。
- predict中有一個參數是typ，默認是’linear’，所以默認會輸出差分後的數值，而不是原始level的數值，可以將這個參數設置爲’levels’，就可以輸出原始level的數值了。
2.存在的問題
爲了更好的理解這個問題，先說一個現實中存在的需求。訓練好一個arima模型，然後用它預測股票價格，但是不希望每天都去重新訓練這個模型，上週的模型這周還是希望直接拿來用，但是我獲得了這周的新數據，因此把這些新獲取到的數據也作爲輸入去預測明天的數據。 而predict函數是無法實現這個功能的，因爲predict進行多步預測時實際上是首先進行單步預測，然後將這個預測值作爲輸入來再做一次單步預測，得到二步預測值，而我上述所說的例子中需要實現的功能是：使用t0-t5的序列訓練model，然後預測t6，然後給予真實的t6，預測t7，而不是用預測出來的t6去預測t7。那麼沒有這種功能就造成很多麻煩，比如我希望用arima model和一個機器學習模型去比較性能，如svm，我們將數據集劃分爲訓練集和測試集，然後用訓練集訓練模型，此時模型就確定下來了，然後在測試集上測試，也就是輸入測試集，得到預測值，可以計算出比如MSE，但是statsmodels.tsa.arima_model就無法做到這一點了，因爲無法輸入測試集去做預測。這個問題我進行很長時間的查詢都沒有解決，要是有大佬知道該怎麼辦還請留言，十分感謝！