时间序列ARMA和ARIMA模型（一）

读取数据（tushare数据）

import tushare as ts
ts.set_token('3fd7b7e92cd059d0f192177e61afd8da6f84e3476cff01f076d5e295')
#在tushare官网注册即可获得
pro=ts.pro_api()#初始化pro接口
data=pro.daily(ts_code='00000.1sz',start_data='20210428',end_data='20210428')
#根据时间段获取招商银行日交易数据
data.sort_values(by='trade_date',inplace=True)
#根据交易日默认升序排列
data.reset_index(drop=True,inplace=True)

data

数据预处理

data=data.iloc[1:]
#从第一行开始索引，包括所有列
data=data.fillna(method='ffill')
#用后一时刻的观测值对缺失值进行填补
data.head()
#显示数据前五行

二维数据可视化

import matplotlib.pyplot as plt
data=data[['trade_date','open','close','high','low']]
data.plot(subplots=True,figsize=(10,12))
#多子图，图片尺寸宽10，长12
plt.title('zhapshang stock attributes from 2010-01-10 to 2020-01-10')
plt.savefig('stocks.png')
plt.show()

平稳性检验

from statsmodels.tsa.stattools import adfuller as ADF
di