适用范围:根据客观事物发展的这种连续规律性,运用过去的历史数据,通过统计分析,进一步推测市场未来的发展趋势。在时间序列分析预测法处于核心位置
时间序列预测未来走势的方法有很多,下列只列自回归模型、移动平均模型和差分自回归滑动模型
数据预处理
1、时间序列的可视化
画图
偏自相关系数(PACF):计算自相关系数acf和偏相关系数pacf - racoon_man - 博客园
相关系数 | 相关度 |
0.0-0.2 | 极弱相关或无相关 |
0.2-0.4 | 弱相关 |
0.4-0.6 | 中等程度相关 |
0.6-0.8 | 强相关 |
0.8-1.0 | 极强相关 |
相关系数的绝对值越接近于1或-1,相关性则越强,相关系数越接近0,相关度则越弱。
参考:Python中的时序分析(TSA)-线性模型到GARCH—BLACKARBSLLC
模型的求解
Python、matlab
模型的检验
1、白噪声检验
2、拟合优度的检验