构建AR模型

最新推荐文章于 2024-08-04 16:17:31 发布

lsizhang

最新推荐文章于 2024-08-04 16:17:31 发布

阅读量857

点赞数

文章标签：回归机器学习

本文链接：https://blog.csdn.net/lsizhang/article/details/125013007

版权

本文介绍了如何利用Tushare平台的数据构建自回归（AR）模型，以600309.SH股票2020年日线数据为例，通过数据预处理、ADF检验、AR(2)模型构建，探讨了AR模型在金融时间序列预测中的应用。

摘要由CSDN通过智能技术生成

#tushare ID：474220
构建AR模型
自回归，全称自回归模型（Autoregressive model，简称AR模型），是统计上一种处理时间序列的方法，是用同一变量之前各期的表现情况，来预测该变量本期的表现情况，并假设它们为线性关系。因为这是从回归分析中的线性回归发展而来，只是不是用来预测其他变量，而是用来预测自己，所以叫做自回归。自回归模型被广泛运用在经济学、信息学、自然现象的预测上。
本次使用的数据来自与Tushare平台，有较为全面的金融数据可供使用，通过数据接口调用数据简单快捷，可以通过在终端利用命令pip install tushare安装该库并进行调用。

1.首先我们导入必要的库

import numpy as np
import pandas as pd
import datetime
import matplotlib.pyplot as plt
import statsmodels.api as sm # 统计相关的库
from statsmodels.tsa.arima.model import ARIMA
from statsmodels.tsa.stattools import adfuller
import tushare as ts
#正常显示画图时出现的中文和负号
plt.rcParams["font.sans-serif"]=["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

2.初始化pro接口。token可以在https://tushare.pro/上注册后获得。