Nixtla/statsforecast

解決的問題

StatsForecast 提供了一個用於單變量時間序列預測的高性能庫。它解決了現有的 Python 統計模型替代方案過於緩慢、不精確，或無法在生產環境中擴展至數百萬個時間序列的問題。

工作原理

該庫實現了多種統計與計量經濟模型（如 AutoARIMA、AutoETS、AutoCES 和 Theta），在速度與準確性方面進行了優化。它採用熟悉的 sklearn 風格的 .fit 與 .predict 語法，便於整合至現有工作流程中。為處理大型資料集，它提供與 Spark、Dask 和 Ray 等分散式運算框架的開箱即用相容性。

適用對象

需要為大量時間序列資料集產生預測，並要求高效率、機率性預測，或能擴展至數百萬個序列的資料科學家與機器學習工程師。

主要亮點

• 極致速度：比 Prophet 快最多 500 倍，比 pmdarima 快最多 20 倍。
• 可擴展性：使用 Ray，可在 5 分鐘內對 100 萬個序列擬合 10 個基準模型。
• 全面的模型套件：包含自動預測工具、ARIMA 系列、Theta 系列、支援多重季節性的 MSTL、用於波動率的 GARCH/ARCH，以及針對稀疏或間歇性需求的專用模型。
• 進階功能：支援外生變數、靜態共變量、預測區間與異常偵測。