时序数据学习笔记（四）

一、移动平均与滚动预测

1、移动平均过程

        通过对时序数据进行ACF绘制，能够检查在滞后多少次后趋势变化不在有显著的系数，这里的次数就是移动平均过程的阶数q，或者MA(q)过程。对于MA(q)模型，只能预测未来q的步骤，超过q步的预测只会返回平均值，也将导致预测失败。

2、滚动预测

        为了避免简单地预测未来超过N个时间步长的平均值，需要开发一个函数用于每次次预测N个或更少的时间步长，直到做出要求范围的预测，最后将预测与测试集的观测值进行比较。

二、销售数据预测

1、数据加载与展示

data = pd.read_csv('widget_sales.csv')

 2、查看ADF与ACF

通过ADF与ACF可以发现原始数据不平稳，需要进行差异化处理

df_adf=adfuller(df['Value'])
print(df_adf[0])#ADF Statistic
print(df_adf[1])#p-value

ADF Statistic：-1.5121662069359076

p-value：0.527484535227259