Python时间序列实战之ARIMA股票预测

Reclusiveman

于 2018-08-22 10:07:56 发布

阅读量2w

点赞数 22

分类专栏：机器学习文章标签： ARIMA 股票预测 Python 时间序列数据分析

本文链接：https://blog.csdn.net/qq_40707407/article/details/81938941

版权

本文通过Python的pandas_datareader获取股票数据，进行重采样、差分处理，并利用ACF和PACF分析，最后应用ARIMA模型进行股票预测。尽管因市场因素预测效果受限，但该项目展示了ARIMA模型在时间序列分析中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前两篇博客我们讨论了如何处理时间序列数据以及怎样应用ARIMA模型进行预测，此篇我们来分析一下近几年的股票数据，然后用ARIMA模型做一下预测。由于股票数据不是很稳定，受一些政策和其它环境的影响，所以效果不是很好，主要是通过这个小项目具体应用一下。

获取股票数据

我们这里使用pandas_datareader来获取我们所需的股票数据，如果No modle，可以pip install一下。

#导入包
import pandas as pd
import pandas_datareader
import fix_yahoo_finance as yf
import matplotlib.pyplot as plt
import datetime

#爬取08-18十年数据
start = datetime.datetime(2008,1,1)
end = datetime.datetime(2018,1,1)
#必须要调用这个函数
yf.pdr_override()
#股票数据
stock_data = pandas_datareader

最低0.47元/天解锁文章