python数据分析实例_Python数据分析及可视化实例之个股走势预测（26）

系列文章总目录：Python数据分析及可视化实例目录

---

1.项目背景：

仅仅用来练手，个股走势如果真预测准确了，都就改行当操盘手了，哈哈！

但话又说回来，如果把数据曲线特征提取出来，再进行对比异常判断，也是可以的。

数据源，请关注微信公众号：海豹战队，回复：数据

2.分析步骤：

（1） 时间序列

（2） 数据重采样

（3） 预测

3.分析结果：

4.源码（公众号：海豹战队）：

# coding: utf-8
# 亲，转载即同意帮推公众号：海豹战队，嘿嘿......
# 数据源可关注公众号：海报战队，后留言：数据
%matplotlib inline
import pandas as pd
import datetime
import matplotlib.pylab as plt
import seaborn as sns
from matplotlib.pylab import style
from statsmodels.tsa.arima_model import ARIMA
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
style.use('ggplot')    
plt.rcParams['font.sans-serif'] = ['SimHei'] 
plt.rcParams['axes.unicode_minus'] = False  

stockFile = 'data/T10yr.csv'
stock = pd.read_csv(stockFile, index_col=0, parse_dates=[0])
stock.head(10)

stock_week = stock['Close'].resample('W-MON').mean()
stock_train = stock_week['2000':'2015']
stock_train.head()

stock_train.plot(figsize=(12,8))
plt.legend(bbox_to_anchor=(1.25, 0.5))
plt.title("Stock Close")
sns.despine()

stock_diff = stock_train.diff()
stock_diff = stock_diff.dropna()
stock_diff = stock_train.diff()
stock_diff = stock_diff.dropna()

plt.figure()
plt.plot(stock_diff)
plt.title('一阶差分')
plt.show()

pacf = plot_pacf(stock_diff, lags=20)
plt.title("PACF")
pacf.show()

acf = plot_acf(stock_diff, lags=20)
plt.title("ACF")
acf.show()

# 核心
model = ARIMA(stock_train, order=(1, 1, 1),freq='W-MON')
result = model.fit()
#print(result.summary())
plt.figure(figsize=(6, 6))
plt.xticks(rotation=45)
plt.plot(pred)
plt.plot(stock_train)

# 搬砖也是个力气活，可视化采用Bokeh并非plt，以后再专门教大家使用Bokeh和Flask交互。

老鸟可去另一专栏：Python中文社区

新手可查阅历史目录：

yeayee：Python数据分析及可视化实例目录​zhuanlan.zhihu.com

---

最后，别只收藏不关注哈