トレンドと季節性を持つ TS の ARIMA 予測を使用しようとしています。したがって、データを残余 + トレンド + 季節性に分解します。
サンプルから値を予測する必要があるため、exog=trend をモデルの入力として使用し、残差 (~定常) で予測を実行しています。
これは本当にうまくいきません。傾向はモデルによってまったく考慮されていないようです-傾向を人為的に予測値に追加すると、つまり、予測+傾向をプロットすると、予測は元の系列に非常に近くなります...しかし、私はそうしているのでトレンドがわからないので、このトリックはできません。加法トレンドを使用しない場合、予測の一部と実際のデータの間に一定の差があるように見えます。
私の質問は次のとおりです-ARIMAはPythonでトレンドに対処できますか（Rでできることはわかっています）？exog 経由でない場合、どのようにモデルにインポートできますか? 残余+トレンドでARIMAを実行しようとしましたが、それでもパフォーマンスが悪いです.
また、trend = 'c' と trend = 'nc' の意味は何ですか? マニュアルには"Whether to include a constant or not. ‘c’ includes constant, ‘nc’ no constant."、コンスタント トレンド 0 次推定としてコンスタントと記載されていますか? 期待される一定の傾向として一定、つまり、'nc' は変化する傾向を意味しますか? または、モデルにトレンドが含まれていない場合の「nc」? これでもあれでも、予測はうまくいきませんが、傾向があることがわかっている場合は、常に「c」を使用する必要がありますか?
助けてください？
ありがとう。