时序数据学习笔记（七）

一、自回归积分移动平均模型

        自回归积分移动平均模型或ARIMA(p,d,q)，相当于在自回归移动平均过程（ARMA）的基础上增加了积分要输，相比AR、MA、ARMA模型来说，不再对数据平稳性存在要求，在模型中可以直接通过积分参数d控制数据差异化的次数。

二、ARIMA模型实验

1、数据平稳性相关测试

        通过ADF与ACF可以发现数据不平稳且存在自相关；

df = pd.read_csv('jj.csv')
AR2_process_adf=adfuller(df['data'])
print(AR2_process_adf[0])#ADF Statistic
print(AR2_process_adf[1])#p-value

plot_acf(df['data'],lags=20)
plt.title('data')
plt.tight_layout()
plt.show()

ADF Statistic:2.7420165734574815

p-value:1.0

2、数据差异化

a、第1次差异化

        经过第1次差异化，可以发现数据仍程序不平稳性且自相关；

diff_df=np.diff(df['data'],n=1)

diff_df_adf&#