在Python中使用StatsModels的多variables时间序列自回归系列：拟合模型后该做什么？

美好的一天

这是我的less女堆栈溢出的问题，所以我希望我得到它的权利，不要违反任何规则。

我担任基金经理，所以没有计算机科学背景。 我现在正在学python。

我正试图适应包含多个时间序列的历史数据。 我想我已经设法做到这一点。 接下来我要做的就是使用这些数据来预测这些时间序列的未来价值。 我已经看了StatsModels文档，但不能完全正面或反面。

我正在使用xlwings并链接到excel。 我的代码如下：

import numpy as np from xlwings import Workbook, Range import statsmodels.api as sm import statsmodels import pandas def Fit_the_AR(): dataRange = Range('Sheet1','rDataToFit').value dateRange = Range('Sheet1', 'rDates').value titleRange = Range('Sheet1', 'rTitles').value ARModel = statsmodels.tsa.vector_ar.var_model.VAR(dataRange,dateRange,titleRange,freq='m') statsmodels.tsa.vector_ar.var_model.VAR.fit(ARModel,1, 'ols', None, 'c', True) Range('Sheet2','B2').value = ARModel.endog_names Range('Sheet2','B3').value = ARModel.endog 

我以为我将不得不使用预测方法，但不知道如何获得所需的所有参数。

任何帮助或指向正确的方向将不胜感激。 如果需要，我可以提供数据的excel文件。 谢谢。