知識點回顧：

1. SARIMA模型的參數和用法：SARIMA(p, d, q)(P, D, Q)m
2. 模型結果的檢驗可視化（昨天說的是摘要表怎么看，今天是對這個內容可視化）
3. 多變量數據的理解：內生變量和外部變量
4. 多變量模型
   1. 統計模型：SARIMA（單向因果）、VAR（考慮雙向依賴）
   2. 機器學習模型：通過滑動窗口實現，往往需要借助arima等作為特征提取器來捕捉線性部分（趨勢、季節性），再利用自己的優勢捕捉非線性的殘差
   3. 深度學習模型：獨特的設計天然為時序數據而生

作業：由于篇幅問題，無法實戰SARIMAX了，可以自己借助AI嘗試嘗試，相信大家已經有這個能力了。

SARIMAX模型實現方案

1.新增外生變量處理

def load_exogenous_data():"""加載經濟指標作為外生變量示例"""gdp = get_rdataset('GDP').data.set_index('year')return gdp[['consumption', 'investment']]

2.SARIMAX建模模塊

from statsmodels.tsa.statespace.sarimax import SARIMAXdef train_sarimax(endog, exog, order=(1,1,1), seasonal_order=(0,1,1,12)):model = SARIMAX(endog,exog=exog,order=order,seasonal_order=seasonal_order,enforce_stationarity=False)results = model.fit(disp=0)print(results.summary())return results

3.增強可視化診斷

def plot_diagnostics(results):fig = plt.figure(figsize=(12,8))results.plot_diagnostics(fig=fig)plt.tight_layout()return fig