时间序列----ARIMA 对苹果进行股价分析

import yfinance as yf
import pandas as pd
from statsmodels.tsa.arima.model import ARIMA
import matplotlib.pyplot as plt

# 加载数据
apple_stock = yf.download('AAPL', start='2023-01-01', end='2024-01-01')

# 确保数据按日期排序
# 假设apple_stock是你从yfinance下载的DataFrame
dates = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')  # 'D'代表每日频率
apple_stock.index = pd.DatetimeIndex(apple_stock.index).normalize()  # 规范化索引以去除时间，保留日期
apple_stock = apple_stock.reindex(dates, method='ffill')  # 重新索引以填充缺失的日期，并向前填充数据

# 现在apple_stock有了一个明确的频率，可以再次尝试ARIMA模型

# 使用收盘价
closing_prices = apple_stock['Close']

[*********************100%%**********************]  1 of 1 completed

"""
参数优化对于ARIMA模型的性能至关重要。
理想的参数（p, d, q）能够最准确地捕捉到时间序列数据的特性，从而提高预测的准确性。
一种自动化寻找最佳ARIMA模型参数的方法是使用pmdarima库中的auto_arima函数。
这个函数通过遍历不同的参数组合，选择出最佳的模型
"""
# 使用.ffill()和.bfill()方法替代fillna(method='ffill')和fillna(method='bfill')
closing_prices = closing_prices.ffill()  # 向前填充，填充缺失值
closing_prices = closing_prices.bfill()  # 向后填充，确保数据集开头的NaN值被处理

# 现在可以安全地继续进行模型训练和分析
from pmdarima import auto_arima
model = auto_arima(closing_prices, start_p=0, start_q=0,
                   max_p=5, max_q=5, m=1,
                   start_P=0, seasonal=False,
                   d=None, D=0, trace=True,
                   error_action='ignore',  
                   suppress_warnings=True, 
                   stepwise=True)
print(model)

Performing stepwise search to minimize aic
 ARIMA(0,1,0)(0,0,0)[0] intercept   : AIC=1446.881, Time=0.02 sec
 ARIMA(1,1,0)(0,0,0)[0] intercept   : AIC=1448.420, Time=0.03 sec
 ARIMA(0,1,1)(0,0,0)[0] intercept   : AIC=1448.447, Time=0.15 sec
 ARIMA(0,1,0)(0,0,0)[0]             : AIC=1448.913, Time=0.01 sec
 ARIMA(1,1,1)(0,0,0)[0] intercept   : AIC=1450.074, Time=0.52 sec

Best model:  ARIMA(0,1,0)(0,0,0)[0] intercept
Total fit time: 0.741 seconds
 ARIMA(0,1,0)(0,0,0)[0] intercept

这个结果来自于auto_arima函数在尝试不同的ARIMA模型配置以最小化AIC（赤池信息量准则）值时产生的输出。AIC是评估统计模型相对质量的一种方式，用于模型选择。它考虑了模型的复杂度（参数数量）和模型对数据的拟合程度。较低的AIC值表示一个可能更优的模型。

输出解释

ARIMA(0,1,0)(0,0,0)[0] intercept: 这表示一个ARIMA模型，其中自回归（AR）部分的阶数为0，差分（I）部分的阶数为1，移动平均（MA）部分的阶数为0。这里的intercept表明模型包含截距项。AIC值为1446.881，这是此次搜索中的最低值。

其他ARIMA模型: 接下来列出了其他几种模型配置及其AIC值。例如，ARIMA(1,1,0)和ARIMA(0,1,1)都试图通过添加一个AR或一个MA项来改进模型，但AIC值更高，表示这些模型没有ARIMA(0,1,0)好。

Best model: 这一行指出了最佳模型是ARIMA(0,1,0)模型，包含截距项。

Total fit time: 指示auto_arima运行的总时间，本例中约为0.275秒。

结论

auto_arima根据AIC选择了ARIMA(0,1,0)模型作为最佳模型。这意味着，在尝试的模型中，仅对序列进行一次差分（使其平稳）就足够了，而无需进一步的AR或MA项来解释数据中的自相关性。简单来说，这个模型预测未来的值仅仅是基于当前值与上一值之间的差分，而不依赖于更复杂的自回归或移动平均结构。

# 为了示例简单，我们这里不做参数优化，直接选择(1,1,1)作为ARIMA模型的参数
# 实际使用时，应通过ACF、PACF图或自动化方法选择最佳参数
# model = ARIMA(closing_prices, order=(1, 1, 1))

model = ARIMA(closing_prices, order=(0, 1, 0))
model_fit = model.fit()

# 进行预测
forecast = model_fit.forecast(steps=5)  # 预测未来5天的价格
print(forecast)

# 绘制实际收盘价和预测值
plt.figure(figsize=(10, 6))
closing_prices.plot(label='Actual', legend=True)
forecast.plot(label='Forecast', legend=True, color='red')
plt.title('Apple Inc. (AAPL) Closing Price and Forecast')
plt.xlabel('Date')
plt.ylabel('Price (USD)')
plt.grid(True)
plt.show()

2024-01-01    192.529999
2024-01-02    192.529999
2024-01-03    192.529999
2024-01-04    192.529999
2024-01-05    192.529999
Freq: D, Name: predicted_mean, dtype: float64

1 平稳性（Stationarity）检验

视觉检查
首先，通过绘制时间序列图来进行视觉检查：

import matplotlib.pyplot as plt

closing_prices.plot()
plt.title('Closing Price Time Series')
plt.xlabel('Date')
plt.ylabel('Closing Price')
plt.show()

如果图中显示出明显的趋势或季节性波动，那么数据很可能是非平稳的。

ADF检验（Augmented Dickey-Fuller Test）

然后，使用ADF检验来统计地测试时间序列的平稳性：

from statsmodels.tsa.stattools import adfuller

result = adfuller(closing_prices)
print('ADF Statistic: %f' % result[0])
print('p-value: %f' % result[1])
print('Critical Values:')
for key, value in result[4].items():
    print('\t%s: %.3f' % (key, value))

ADF Statistic: -2.544397
p-value: 0.105042
Critical Values:
	1%: -3.448
	5%: -2.870
	10%: -2.571

ADF统计量：-2.544397。这是测试结果的主要统计量，用于与临界值比较。
p值：0.105042。p值用于判断统计显著性。在这里，p值大于常用的显著性水平（如0.05），这意味着我们不能拒绝原假设，原假设认为时间序列具有单位根，即非平稳。
临界值：对于不同的显著性水平（1%，5%，和10%），分别有-3.448、-2.870和-2.571。ADF统计量需要比这些临界值更负，才能认为时间序列是平稳的。
结论
由于ADF统计量（-2.544397）高于任何显著性水平下的临界值，并且p值（0.105042）大于0.05，我们无法拒绝原假设。因此，根据ADF检验的结果，我们有理由相信该时间序列是非平稳的。
下一步

由于时间序列非平稳，进行ARIMA建模前需要先使序列平稳。常见的方法是对时间序列进行差分，即从当前观察值中减去前一观察值。差分操作通常能够帮助消除趋势和季节性，使时间序列变得平稳。

# 对时间序列进行一阶差分
closing_prices_diff = closing_prices.diff().dropna()

# 再次进行ADF检验
result_diff = adfuller(closing_prices_diff)
print('ADF Statistic: %f' % result_diff[0])
print('p-value: %f' % result_diff[1])

ADF Statistic: -18.334804
p-value: 0.000000

这个结果表明，经过一次差分后，时间序列变得平稳。因此，你可以使用这个差分后的序列来建立ARIMA模型。

下一步
既然时间序列已经是平稳的，你现在可以开始确定ARIMA模型的参数（p, d, q）：

p: AR（自回归）项的阶数，可以通过观察PACF（偏自相关图）来估计。
d: 差分阶数，根据我们的差分操作，你已经知道d=1。
q: MA（移动平均）项的阶数，可以通过观察ACF（自相关图）来估计。

注意，进行差分后，ARIMA模型中的d参数至少为1，因为你已经进行了一次差分。

2 自相关性（Autocorrelation）检查

ACF图和PACF图
自相关图（ACF）和偏自相关图（PACF）可以帮助你确定ARIMA模型中的AR（p）和MA（q）参数。

ACF图：ACF图可以帮助你确定MA部分的阶数（q参数）。寻找ACF图中超出置信区间的滞后期数量，这可以作为q参数的一个估计。

PACF图：PACF图可以帮助你确定AR部分的阶数（p参数）。同样地，查找PACF图中超出置信区间的滞后期数量，以估计p参数。

from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
# 绘制ACF图
plot_acf(closing_prices_diff)
plt.title('ACF of 1st Differenced Series')
plt.show()
"""
在ACF图中：

x轴表示滞后数，即当前值与之前值之间的时间间隔。
y轴表示自相关系数，衡量当前值与过去值之间的相关程度。
图中的蓝色条形图表示每个滞后数的自相关系数。
蓝色阴影区域代表置信区间，默认情况下通常设置为95%。如果某个滞后数的条形图超出了这个区域，表示该滞后数的自相关性是统计显著的。
解读ACF图
如果ACF图在某几个滞后数后迅速下降到0，并在置信区间内，这可能表明时间序列没有自相关性，或者需要较低阶数的MA模型。
如果ACF图的条形图在多个滞后数上都超出置信区间，这可能表明时间序列具有较强的自相关性，需要较高阶数的MA模型。
"""

# 绘制PACF图
plot_pacf(closing_prices_diff)
plt.title('PACF of 1st Differenced Series')
plt.show()

绘制PACF图

plot_pacf(closing_prices_diff)
plt.title(‘PACF of 1st Differenced Series’)
plt.show()