Skip to content

季节性

季节性和假日效应

建模季节性

季节周期

给定一个 Polars 偏移别名 freq，使用 functime.offsets.freq_to_sp 返回一个季节性周期的列表。

seasonal_periods = {
    "1s": [60, 3_600, 86_400, 604_800, 31_557_600],
    "1m": [60, 1_440, 10_080, 525_960],
    "30m": [48, 336, 17_532],
    "1h": [24, 168, 8_766],
    "1d": [7, 365],
    "1w": [52],
    "1mo": [12],
    "3mo": [4],
    "1y": [1],
}

方法 1. 虚拟变量 / 类别

使用 add_calendar_effects 生成日期时间和日历效应。 functime 支持两种策略来将季节性建模为离散特征：通过分类列（对于具有本机分类特征支持的预测器非常有用，例如 lightgbm）或多个二进制列（即独热编码）。查看 第 7.4 章：季节性虚拟变量 以获取快速入门。

如果您选择哑变量策略，请注意“哑变量陷阱”（即如果您决定包含所有哑变量列，请记得设置 fit_intercept=False）。

  • 分钟：1, 2, ..., 60（在一天内）
  • 小时: 1, 2, ..., 24 (在一天中)
  • 天: 1, 2, ..., 31 (在一个月中)
  • 星期几： 1, 2, ..., 7 （一周中的天数）
  • 周: 1, 2,..., 52 (一年中)
  • 季度：1, 2, ..., 4（在一年中）
  • 年份: 1999, 2000, ..., 2023 (任何年份)
from functime.seasonality import add_calendar_effects

# Returns X with one categorical column "month" with values 1,2,...,12
X_new = X.pipe(add_calendar_effects(["month"])).collect()

# Returns X with one-hot encoded calendar effects
# i.e. binary columns "month_1", "month_2", ..., "month_12"
X_new = X.pipe(add_calendar_effects(["month"]), as_dummies=True).collect()

方法 2. 傅里叶项

傅里叶项是建模多个季节周期和复杂季节性的一种常见方式（例如，长期季节周期 365.25 / 7 ≈ 52.179 用于每周时间序列）。对于每个季节周期 sp 和傅里叶项 k=1,..,K 的组合，有 2 个傅里叶项 sin_sp_k 和 cos_sp_k。

傅里叶项可以用来近似一个连续的周期信号，然后可以用作外生回归量来建模季节性。 第12.1章：复杂季节性来自Hyndman的教科书《预测：原理与实践》，包含了这个主题的一个很好的实际介绍。

add_fourier_terms 返回原始的 X DataFrame，并将傅里叶项作为额外的列。 例如，如果 sp=12 和 K=3，则 X_new 将包含列 sin_12_1、cos_12_1、sin_12_2、cos_12_2、sin_12_3 和 cos_12_3。

from functime.offsets import freq_to_sp
from functime.seasonality import add_fourier_terms

sp = freq_to_sp("1mo")[0]
X_new = X.pipe(add_fourier_terms(sp=sp, K=3)).collect()

假期/特殊事件建模

functime 是一个围绕 holidays Python 包的包装函数，用于为特殊事件生成分类特征。没有假期的日期用空值填充。

from functime.seasonality import add_holiday_effects

# Returns X with two categorical columns "holiday__US" and "holiday__CA"
north_america_holidays = add_holiday_effects(country_codes=["US", "CA"])
X_new = X.pipe(north_america_holidays).collect()

# Returns X with one-hot encoded holidays (e.g. "holiday__US_christmas)
north_america_holidays = add_holiday_effects(country_codes=["US", "CA"], as_dummies=True)
X_new = X.pipe(north_america_holidays).collect()

自定义事件

如果您有自己的自定义特殊事件（例如特殊促销），您可以始终创建自己的 dummy variables 作为 Polars boolean series。