python预测随机数据_建模股票价格数据并进行预测（统计信号模型）：随机信号AR模型+Yule-Walker方程_Python...

1.背景：

针对股票市场中AR 模型的识别、建立和估计问题，利用AR 模型算法对股票价格进行预测。

2.模型选取：

股票的价格可视为随机信号，将此随机信号建模为：一个白噪声通过LTI系统的输出，通过原始数据求解 所建模型参数，得到模型，即可预测近期未来的未知股票价格。

随机信号建模为：白噪声通过滤波器，滤波器的系统函数为：

其中，bq,ap为滤波器系数，根据参数的不同，此滤波器的类型相应有三种。

(1)AR模型(Auto-Regreesion)

此时，滤波器系数为bq(分子)为1，系统主要依赖于过去输出的反馈作用(分母)，这是一种特殊的IIR滤波器。

AR模型中，序列X当前值由序列e的当前值和序列X的前一个长度为M的窗口内序列值决定。

原理：自回归模型(Autoregressive Model，AR Model)是用自身做回归变量的过程，即利用前期若干时刻的随机变量的线性组合来描述以后某时刻随机变量的线性回归模型。

(2)MA模型(画的平均)

此时，滤波器系数ap(分母)为1，无反馈，系统主要依赖于白噪声样本加权求和输出，FIR滤波器。

(3)ARMA模型

bq,ap都不为1，是一种典型的IIR滤波器。

这三种模型中，AR模型的特别之处是它具有预测特性，把所有能用过去值预测的都表达了，只剩下输入导致的变化。故我们的预测模型使用AR模型。

AR