несколько кейсов как мне это представляется возможным:
1. посчитать арима, подать значения на вход линейной регрессии вместе с доп параметрами (но это уже ансамбль)
2. не считать арима отдельно, а считать параметры  p P q Q и подавать на вход лин регу их вместе с доп параметрами
3. не считать параметры, создать LSTM сеть например и подавать ей на вход ваши параметры (рекурентно она сама будет основываться на предыдущих значениях) но это уже не симбиоз а другая архитектура

До нейросетей я не дошёл ещё (или прошёл мимо них😂)

их в курсе не будет толком

читайте николенко, например и проходите стенфордские курсы

То есть 2 вариант рабочий и тоже используется при прогнозировании будущих периодов, да?

Не, второй вариант нерабочий

Сорян, эти параметры только для обучения самой арима актуальны, то есть без неё такой сценарий не пройдёт

Если ещё актуально, то написав условия Куна-Таккера для второй задачи, вы получите что-то вроде первой

Спасибо большое, погуглю

Теоретический вопрос. Почему во взвешенном логлоссе веса должны в сумме давать единицу? В обычном логлоссе же это не выполняется, там сумма весов равна двум.

можно добавить и курс доллара, и затраты на рекламу, по историческим данным и тд. но проблема в том, что потом, после обучения, вам для прогнозирования понадобятся эти значения в будущем, курс доллара например. поэтому обычно добавляют, то что заранее известно: день недели, праздничные дни и тд. , все что можно прикрутить к временной шкале явно. можно конечно экспериментировать с разными курсами в будующем или с затратами, но это уже другие методы предсказания на основе вероятности: типа метода монтекарло, наверное. или пробовать что то со скрытыми зависимостями, используя цепи маркова. короче тут огромное поле для деятельности. но самое главное, нужно учитывать реалии, а они таковы, что какова бы не была точная программа, она всегда будет хуже если считает неделю результат, чем та, которая за минуту, но не так точно. ибо результат зачастую нужен здесь и сейчас, а не в теории.

Подскажите, какой функцией можно подсчитать выборочные квантили определенного %?
именно по значениям а не теоретические

Там есть сложности? Упорядочить выборку  и взять элемент на [pN] позиции

действительно, можно даже без всяких scipy

спасибо)

В реализациях могут быть различия в крайних значениях и способах округления

Но вообще есть np.quantile)

и series и pandas quantile

Всем привет. Подскажите, пожалуйста, существует ли в Jupyter'е возможность высвечивать свойства и методы объекта сразу после его ввода? Например, вводишь sklearn.datasets. и видишь listbox со всеми его свойствами и методами. Спасибо

Shift tab