今天使用python做了arima model，其他都是没有问题的，但是在预测时遇到一个很大的问题，查了半天，中文英文都查了，文档也查了，似乎没有办法解决，可能是在python的statsmodels.tsa.arima_model设计过程中就是没有考虑这种情况吧。本文先讲一下使用python做arima model的一些基本情况和注意事项，然后讲一下存在的问题。
1. statsmodels.tsa.arima_model注意事项
关于这个arima package网上已经有很多很多的介绍了，这里给出几个传送门：python arima model1，python arima model2，官方文档，英文的一份比较好的教程看这些就可以基本了解怎么使用了。我主要就讲一下我再操作的过程中遇到的一些需要注意的地方。
- 数据使用series就可以，首先对数据进行差分使得其平稳，得到阶数，也就是d，然后做出自相关图和偏自相关图，依次确定p和q，确定模型的基本形式arima（p，d，q）。
- 模型训练时就使用fit函数就行，注意fit函数存在一个参数是method ，里面包含3种训练模型的方法，分别是{‘css-mle’,’mle’,’css’}，默认是mle，如果训练报错，可以试试css，一般css不容易训练失败。一般提示无法收敛，无法求逆等问题时就是训练方法不合适造成的，换一个试试。
- 预测有两种方式predict和forecast，一般predict就可以完成了吧，forecast就没去了解，不是很清楚，ARIMA.predict(params, start=None, end=None, exog=None, typ=‘linear’, dynamic=False)，可以设置一个start和end，然后就会返回一个array，是从start到end的预测结果，这个预测可以是样本内的，也可以是样本外的。start和end可以是索引也可以是日期字符串。
- predict中有一个参数是typ，默认是’linear’，所以默认会输出差分后的数值，而不是原始level的数值，可以将这个参数设置为’levels’，就可以输出原始level的数值了。
2.存在的问题
为了更好的理解这个问题，先说一个现实中存在的需求。训练好一个arima模型，然后用它预测股票价格，但是不希望每天都去重新训练这个模型，上周的模型这周还是希望直接拿来用，但是我获得了这周的新数据，因此把这些新获取到的数据也作为输入去预测明天的数据。 而predict函数是无法实现这个功能的，因为predict进行多步预测时实际上是首先进行单步预测，然后将这个预测值作为输入来再做一次单步预测，得到二步预测值，而我上述所说的例子中需要实现的功能是：使用t0-t5的序列训练model，然后预测t6，然后给予真实的t6，预测t7，而不是用预测出来的t6去预测t7。那么没有这种功能就造成很多麻烦，比如我希望用arima model和一个机器学习模型去比较性能，如svm，我们将数据集划分为训练集和测试集，然后用训练集训练模型，此时模型就确定下来了，然后在测试集上测试，也就是输入测试集，得到预测值，可以计算出比如MSE，但是statsmodels.tsa.arima_model就无法做到这一点了，因为无法输入测试集去做预测。这个问题我进行很长时间的查询都没有解决，要是有大佬知道该怎么办还请留言，十分感谢！