statsmodels.tsa.statespace.kalman_filter.PredictionResults¶

class statsmodels.tsa.statespace.kalman_filter.PredictionResults(results, start, end, nstatic, ndynamic, nforecast, oos_results=None)[source]¶

样本内和样本外预测结果通常用于状态空间模型

Parameters:¶

resultsFilterResults

过滤后的输出，对应于所需的预测

startint

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

结束预测的零索引观测号，即最后一个预测将在结束时进行。

nstaticint

样本内静态预测的数量（这些总是预测输出的第一个元素）。

ndynamicint

样本内动态预测的数量（这些预测总是直接跟随静态预测，并且直接跟随预测）。

nforecastint

样本内预测的数量（这些预测总是直接跟随动态预测）。

Attributes:¶

npredictionsint

预测序列中的观测数量；这不一定与执行预测的原始模型中的观测数量相同。

startint

从零开始索引的观测编号，即预测将从start开始；这是相对于执行预测的原始模型而言的。

endint

结束预测的零索引观测编号，即最后一个预测将在结束处；这是相对于执行预测的原始模型而言的。

nstaticint

样本内静态预测的数量。

ndynamicint

样本内动态预测的数量。

nforecastint

样本内预测的数量。

endogndarray

观测向量。

designndarray

设计矩阵, \(Z\).

obs_interceptndarray

观测方程的截距，\(d\)。

obs_covndarray

观测方程的协方差矩阵 \(H\)。

transitionndarray

转移矩阵, \(T\).

state_interceptndarray

转换方程的截距，\(c\)。

selectionndarray

选择矩阵, \(R\).

state_covndarray

状态方程的协方差矩阵 \(Q\)。

filtered_statendarray

每个时间段的过滤状态向量。

filtered_state_covndarray

每个时间段的滤波状态协方差矩阵。

predicted_statendarray

每个时间段的预测状态向量。

predicted_state_covndarray

每个时间段的预测状态协方差矩阵。

forecastsndarray

每个时间段的观测值的一步预测。

forecasts_errorndarray

每个时间段的预测误差。

forecasts_error_covndarray

每个时间段的预测误差协方差矩阵。

注释

提供的范围必须是一致的，这意味着必须满足 end - start == nstatic + ndynamic + nforecast。

这个类本质上是对FilterResults对象的一个视图，但返回了所有内容的适当范围。

方法

clear()
predict([start, end, dynamic])	样本内和样本外预测通常用于状态空间模型
update_filter(kalman_filter)	更新过滤结果
update_representation(model[, only_options])	更新结果以匹配给定的模型

属性

filter_attributes
filtered_forecasts
filtered_forecasts_error_cov
filtered_signal
filtered_signal_cov
kalman_gain	卡尔曼增益矩阵
predicted_signal
predicted_signal_cov
representation_attributes
smoothed_forecasts
smoothed_forecasts_error_cov
smoothed_signal
smoothed_signal_cov
smoother_attributes
standardized_forecasts_error	标准化预测误差