時(shí)間序列分析功能實(shí)現(xiàn)（下）

功能實(shí)現(xiàn)（下）教師：亢華愛北京信息職業(yè)技術(shù)學(xué)院商務(wù)數(shù)據(jù)分析與應(yīng)用專業(yè)教學(xué)資源庫目錄Contents功能實(shí)現(xiàn)1PART功能實(shí)現(xiàn)功能實(shí)現(xiàn)對(duì)于非平穩(wěn)時(shí)間序列，需要通過差分算法，將非平穩(wěn)序列的數(shù)據(jù)變成弱平穩(wěn)或近似平穩(wěn)的時(shí)間序列，具體代碼如下運(yùn)行結(jié)果如圖7-12所示，通過繪制的折線圖可以看出，經(jīng)過一階差分之后，時(shí)間序列數(shù)據(jù)基本上滿足了弱平穩(wěn)趨勢(shì)，所以可以不用再進(jìn)行差分。功能實(shí)現(xiàn)圖7-12運(yùn)行結(jié)果功能實(shí)現(xiàn)時(shí)間序列數(shù)據(jù)經(jīng)過平穩(wěn)化處理之后，我們可以使用時(shí)序圖來看一下ACF和PACF系數(shù)的變化，具體代碼如下運(yùn)行結(jié)果如圖7-13所示功能實(shí)現(xiàn)圖7-13運(yùn)行結(jié)果功能實(shí)現(xiàn)時(shí)間序列數(shù)據(jù)經(jīng)過平穩(wěn)化處理之后，我們可以使用時(shí)序圖來看一下ACF和PACF系數(shù)的變化，具體代碼如下運(yùn)行結(jié)果如圖7-14所示通過繪制差分后的ACF系數(shù)，可以看出在l階之后的數(shù)據(jù)都位于置信區(qū)間之內(nèi)，所以可以用來確定AR模型的階數(shù)p。通過繪制差分后的PACF系數(shù)，可以看出在l階之后的數(shù)據(jù)都位于置信區(qū)間之內(nèi)，因此可以用來確定MA模型的階數(shù)q。功能實(shí)現(xiàn)圖7-14運(yùn)行結(jié)果功能實(shí)現(xiàn)AR、MA模型在l階后均在置信區(qū)間內(nèi)，所以p、q可以定l，且只進(jìn)行了一階差分，所以d為1，根據(jù)這三個(gè)參數(shù)來繪制模型，具體代碼如下運(yùn)行結(jié)果如圖7-15所示功能實(shí)現(xiàn)圖7-15ARIMA模型參數(shù)說明功能實(shí)現(xiàn)現(xiàn)在只剩下最后一步，那就是測試模型。使用2018年1月至2月的五糧液股票數(shù)據(jù)，對(duì)剛剛擬合后的ARIMA模型進(jìn)行測試，具體代碼如下運(yùn)行結(jié)果如圖7-16所示，從圖的折線圖中可以看到，位于右上方的橘色線（圖中右上角的短線）是通過ARMA模型預(yù)測的趨勢(shì)。通過與藍(lán)線進(jìn)行比較，可以看到預(yù)測的結(jié)果與真實(shí)的結(jié)果還是存在一些出入的，比如，收盤價(jià)下降的時(shí)候模型中的預(yù)測趨勢(shì)并沒有下降。由此說明，使用模型只能模擬出一個(gè)大概的趨勢(shì)，而不能達(dá)到精準(zhǔn)預(yù)測。功能實(shí)現(xiàn)圖7-16運(yùn)行結(jié)果參考文獻(xiàn)[1]黑馬程序員.Python數(shù)據(jù)分析與應(yīng)用:從數(shù)據(jù)獲取到可視化.中國鐵道出版社