时间序列预测分析：以NASDAQ指数为例

如果数据分析师的模型能准确预测明日的大盘指数，就太好了。想想不禁窃喜，再一秒，告诉自己这是不可能滴。不过正是这也有趣的想法和实在的应用场景，让实践变得越来越趣味横生，鼓动自己对某些知识的学习。

进入正题，本文使用公开数据源：近10年(2007-08-29至2017-08-25)每个交易日的NASDAQ指数。与大家分享，使用python语言，建立ARIMA模型，完成NASDAQ指数预测的全过程。

使用pandas的read_excel方法读取存储在Excel中的数据。代码如下所示：

mydata = pd.read_excel('纳斯达克指数.xlsx',sheetname='Sheet1')

1. 获取时间序列数据

---

原始数据是长得这样的，Date列表示日期，数据类型为日期类型。Close/Last为当日休市时指数值。

先使用pandas读入dataframe，然后使用Series将数据转化为时间序列对象，index为时间序列值对应的时刻。

时间序列走势图如下所示，非平稳。

点击上图中的Figure options可以通过可视化界面来给所制作的图形加上图表标题、横坐标标题、纵坐标标题。还可以人工调整x，y轴最大值最小值。这个与之前我们的一篇EXcel调整横坐标、纵坐标轴的操作相类似。