- 博客(5)
- 收藏
- 关注
原创 时间序列(五)股票分析
首先导入相关模块import pandas as pdimport pandas_datareaderimport datetimeimport matplotlib.pylab as pltimport seaborn as snsfrom matplotlib.pylab import stylefrom statsmodels.tsa.arima_model import ARIM
2017-12-11 21:23:44 12548 5
原创 时间序列(四)ARIMA模型与差分
ARIMA模型平稳性: 平稳性就是要求经由样本时间序列所得到的拟合曲线 在未来的一段期间内仍能顺着现有的形态“惯性”地延续下去平稳性要求序列的均值和方差不发生明显变化严平稳与弱平稳: 严平稳:严平稳表示的分布不随时间的改变而改变。 弱平稳:期望与相关系数(依赖性)不变 未来某时刻的t的值Xt就要依赖于它过去的信息,所以需要依赖性import pandas as pdimport nump
2017-12-11 20:41:07 37524 5
原创 时间序列(三)滑动窗口
滑动窗口就是能够根据指定的单位长度来框住时间序列,从而计算框内的统计指标。相当于一个长度指定的滑块在刻度尺上面滑动,每滑动一个单位即可反馈滑块内的数据。import matplotlib.pylabimport numpy as npimport pandas as pd指定六百个数据的序列df = pd.Series(np.random.randn(600), index = pd.date_
2017-12-11 15:46:41 38466 1
原创 时间序列(二)数据重采样
数据重采样 时间数据由一个频率转换到另一个频率 降采样 升采样生成一条带随机值的时间序列rng = pd.date_range('1/1/2011', periods=90, freq='D')ts = pd.Series(np.random.randn(len(rng)), index=rng)print(ts.head())2011-01-01 -1.025562 2011-01
2017-12-11 15:35:43 3097
原创 时间序列(一)时间序列的生成
时间序列 时间戳(timestamp) 固定周期(period) 时间间隔(interval)date_range¶ 可以指定开始时间与周期 H:小时 D:天 M:月产生时间序列# TIMES #2016 Jul 1 7/1/2016 1/7/2016 2016-07-01 2016/07/01rng = pd.date_range('2016-07-01', periods = 1
2017-12-11 15:29:29 10895 2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人