做时间序列预测，像看天气只记住“明天 25℃”：数字有了，却不知道它有多可靠。Matthew Mayo 在 KDnuggets 提醒，Statsmodels——Python 的统计建模工具库——拟合后返回的不是普通数组，而是一个装着参数、误差和预测方法的完整结果对象。
文章给出三个实用技巧。第一，用 get_forecast() 代替只返回点预测的 forecast()，可同时取得预测值、标准误和预测区间——未来观测可能落入的范围。第二，新数据到来时用 append(refit=False)，沿用已有参数，避免每次从头拟合；历史很长时，extend 只处理新增观测。第三，用 STLForecast 统一完成季节性分解、预测和加回季节成分，减少手工操作中的正负号或时间索引错误。
说白了，这些方法不是给模型增加新能力，而是把它已经算好的信息完整取出来。文中示例均在 Statsmodels 0.15.0 上检查；是否应重新估计参数，仍要看新数据积累是否足够。