0. 目录
金融时间序列分析:9. ARMA自回归移动平均模型
金融时间序列分析:8. MA模型实例(Python)
金融时间序列分析:7. MA滑动平均模型
金融时间序列分析:6. AR模型实例
金融时间序列分析:5. AR模型实例(Python)
金融时间序列分析:4. AR自回归模型
金融时间序列分析:3. First Demo By Python
金融时间序列分析:2. 数学分析模型
金融时间序列分析:1. 基础知识
1. 前言
金融时间序列分析:1. 基础知识
金融时间序列分析:2. 数学分析模型
前面2篇文章讲了金融时间序列分析的基础知识,本文简单介绍下怎么实战。
网上有很多用R语言进行金融时间序列分析的资料,但是用Python的不多,我在此介绍下怎么用Python操作,至于R语言怎么弄,读者随便在网上查查就好了。
PS: 在时间序列分析领域R比Python简单的多,如果单单是进行分析的话R就够了,但是要集成一个系统的话就得用Python。(个人之见)
2. 基础知识
2.1 基本步骤
- 获取被观测系统时间序列数据;
- 对数据绘图,观测是否为平稳时间序列;对于非平稳时间序列要先进行d阶差分运算,化为平稳时间序列;
- 经过第二步处理,已经得到平稳时间序列。要对平稳时间序列分别求得其自相关系数ACF 和偏自相关系数PACF ,通过对自相关图和偏自相关图的分析,得到最佳的阶层 p 和阶数 q
- 由以上得到的d、q、p ,选择合适的模型。然后开始对得到的模型进行模型检验。
本文只讨论前3步,至于后面的再提到具体的模型的时候回在补上。
2.2 Python时间序列分析
用Python进行时间序列分析需要用到下面一些库:
pandas,numpy,scipy,matplotlib,statsmodels
其中一些的基本使用参考下面的文章:
十分钟搞定pandas
Numpy Tutor
Python应用matplotlib绘图简介
3. 获取数据
有两种方式:
(1)从网络获取
这个参考以前的文章:
Python获取Yahoo股票数据
(2)