Я хочу знать простой и эффективный способ инвертировать данные первого порядка (лаг 1) с линейными разностями в Python. У меня есть многовариантный TS с 3 экзогенными переменными a, b и c. Хотя есть несколько блогов по обратной функции, но, кажется, все нацелены на сложный сценарий, и я не могу найти помощь в моей проблеме, которая не так сложна. Я новичок в Python и пишу статью для моей академической работы. Итак, хотите обратиться к сообществу для простого решения.
Я использую модель векторной авторегрессии для целей прогнозирования. Если что-то не так с моим кодом ниже, пожалуйста, предложите иначе.
diff = originaldata.diff().dropna()
model = VAR(diff)
result = model.fit()
fcast = result.forecast(diff.values[-1:], steps=2)
dataframe = pd.DataFrame(fcast, index=originaldata.index[-2:],
columns = originaldata.columns
Должен ли я взять кумулятивную сумму, чтобы откатить разницу, учитывая кумулятивное добавление прогнозов разницы к последнему кумулятивному наблюдению?
fcast_cs = dataframe.cumsum()
также, как использовать здесь обратную функцию, чтобы вернуться к исходной форме?