statsmodels.tsa.statespace.sarimax.SARIMAXResults.simulate

SARIMAXResults.simulate(nsimulations, measurement_shocks=None, state_shocks=None, initial_state=None, anchor=None, repetitions=None, exog=None, extend_model=None, extend_kwargs=None, pretransformed_measurement_shocks=True, pretransformed_state_shocks=True, pretransformed_initial_state=True, random_state=None, **kwargs)

模拟一个遵循状态空间模型的新时间序列

Parameters:
nsimulationsint

要模拟的观测值数量。如果模型是时间不变的，则可以是任意数量。如果模型是时间变化的，则此数量必须小于或等于数量

measurement_shocksarray_like, optional

如果指定，这些是测量方程的冲击， \(\varepsilon_t\)。如果未指定，这些将使用伪随机数生成器自动生成。如果指定， 必须为 nsimulations x k_endog 的形状，其中 k_endog 与状态空间模型中的相同。

state_shocksarray_like, optional

如果指定，这些是状态方程的冲击， \(\eta_t\)。如果未指定，这些将使用伪随机数生成器自动生成。如果指定， 必须为 nsimulations x k_posdef 的形状，其中 k_posdef 与状态空间模型中的相同。

initial_statearray_like, optional

如果指定，这是在模拟中使用的初始状态向量，其形状应为 (k_states x 1)，其中 k_states 与状态空间模型中的相同。如果未指定，但模型已初始化，则使用该初始化。如果 anchor 不是“start”或0，则必须指定此项。

anchorint, str, or datetime, optional

开始模拟的起始点；类型取决于给定的内生模型的索引。两个特殊情况是字符串‘start’和‘end’，分别表示从样本的开始和结束开始。如果为模型提供了日期/时间索引，则此参数可以是日期字符串或日期时间类型。否则，应提供一个整数索引。默认值是‘start’。

repetitionsint, optional

要生成的模拟路径数量。默认是1条模拟路径。

exogarray_like, optional

外生回归变量的新观测值（如适用）。

pretransformed_measurement_shocksbool, optional

如果提供了measurement_shocks，此标志指示是否应直接将其用作冲击。如果为False，则假定其包含必须使用obs_cov协方差矩阵进行变换的标准正态分布的抽取。默认为True。

pretransformed_state_shocksbool, optional

如果提供了state_shocks，此标志指示是否应直接将其用作冲击。如果为False，则假定其包含必须使用state_cov协方差矩阵进行变换的标准正态分布的抽取。默认为True。

pretransformed_initial_statebool, optional

如果提供了initial_state，此标志指示是否应直接将其用作初始状态。如果为False，则假定其包含从标准正态分布中抽取的样本，必须使用initial_state_cov协方差矩阵进行变换。默认为True。

random_state{None, int, Generator, RandomState}, optional

如果 seed 是 None（或 np.random），则使用类:~numpy.random.RandomState 单例。 如果 seed 是 int，则使用一个新的类:~numpy.random.RandomState 实例，并以 seed 作为种子。 如果 seed 已经是类:~numpy.random.Generator 或 类:~numpy.random.RandomState 实例，则使用该实例。

Returns:
simulated_obsndarray

一个模拟观测值的数组。如果 repetitions=None，那么它的形状将是 (nsimulations x k_endog) 或 (nsimulations,) 如果 k_endog=1。否则，它的形状将是 (nsimulations x k_endog x repetitions)。如果模型输入是 Pandas 数据，那么输出将是一个 Pandas 对象。如果 k_endog > 1 并且 repetitions 不是 None，那么输出将是一个具有 MultiIndex 列的 Pandas DataFrame，第一个级别包含 endog 变量的名称，第二个级别包含重复次数。

另请参阅

impulse_responses

脉冲响应函数

Last update: Oct 16, 2024