statsmodels.tsa.statespace.kalman_filter.FilterResults.predict¶

FilterResults.predict(start=None, end=None, dynamic=None, **kwargs)[source]¶

样本内和样本外预测通常用于状态空间模型

Parameters:¶

startint, optional

从零开始索引的观测编号，用于开始预测，即第一个预测将从起始点开始。

endint, optional

结束预测的零索引观测编号，即最后一个预测将在结束时进行。

dynamicint, optional

动态预测开始相对于起始的偏移量。 在此观测之前，将使用真实的内生值进行预测；从该观测开始并持续到预测结束，将使用预测的内生值。

**kwargs

如果预测范围超出样本范围，任何时间变化的 状态空间表示矩阵必须在样本范围外提供更新的值。 例如，如果obs_intercept是一个时间变化的组件， 并且预测范围在样本结束后的10个周期内扩展，则必须提供一个(k_endog x 10)矩阵，其中包含新的截距值。

Returns:¶

resultskalman_filter.PredictionResults

一个PredictionResults对象。

注释

所有预测都是通过使用预测的状态变量应用测量方程的确定性部分来执行的。

样本外预测首先将卡尔曼滤波器应用于缺失数据，以获得所需周期数的预测状态。