这里写自定义目录标题
时间序列建模
在FRM一级Book2中有很大篇幅讲述的是时间序列如何进行建模。在金融行业中,有许多数据是时间序列数据,因此对时间序列进行建模和预测十分重要。本次以某指数收益率为例进行时间序列建模。
建模步骤
1.判断时间序列是否平稳,平稳是建模的基础------这里用ADF检验判断。
2.如果时间序列不平稳,则需要进行差分。
3.如果时间序列平稳,选择适合的AR、MA、ARMA模型。
4.选好模型进行建模。
5.建模后进行检验。
6.预测后一期数据
步骤一:检验数据是否平稳
先导入所有需要用的包,导出原始数据画图。由于数据值过大,所以这里对指数收盘价取对数。
# Time Series Analysis
# prediction of 000300
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from statsmodels.tsa.stattools import adfuller
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
import pmdarima as pm
from statsmodels.tsa.arima.model import ARIMA
from statsmodels.graphics.api import qqplot
# import data
path = r'C:\Users\ST\Desktop\index.csv'
data = pd.read_csv(path, header=0, parse_dates=['date'], index_col=['date'])
# tansform the data and plot
data['log_price'] = np.log(data.values)
plt.plot(data.index, data['log_price']