ecobici order sarima

ecobici_order_sarima.py

from statsmodels.tsa.statespace.sarimax import SARIMAX # modelo SARIMA
from itertools import product # facilita ejecicion del ciclo for

# definiendo niveles del modelo
niveles = ['p', 'd', 'q', 'sp', 'sd', 'sq', 'AIC', 'BIC','log-like']
resultados_modelos = pd.DataFrame(columns=niveles)
grados = [0,1,2]

# recorriendo todos los modelos posibles
for p, d, q, sp, sd, sq in product(grados, repeat=6):
    print('Modelo: (p = {}, d = {}, q = {}, sp = {}, sd = {}, sq = {})'.format(p,d,q,sp,sd,sq))
    try:
        sarima_model = SARIMAX(x, order=(p,d,q), seasonal_order=(sp, sd, sq, 24))
        results = sarima_model.fit()
        fila_de_resultados = pd.DataFrame([[p, d, q, sp, sd, sq, results.aic, results.bic, results.llf]], columns=niveles)
        resultados_modelos = resultados_modelos.append(fila_de_resultados)
    except:
        print('|----->  no se pudo modelizar')
        fila_de_resultados = pd.DataFrame([[p, d, q, sp, sd, sq, float('inf'), float('inf'), -float('inf')]], columns=niveles)
        resultados_modelos = resultados_modelos.append(fila_de_resultados)
        
# mostrando tabla
resultados_modelos.sort_values(by=['log-like'], ascending=False).head(10)