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&#