python金融数据分析与挖掘实战 黄恒秋_金融数据分析与挖掘——股票时间序列数据处理...

1、什么是时间序列分析

时间序列分析( time series analysis)方法,强调的是通过对一个区域进行一定时间段内的连续观察计算，提取相关特征，并分析其变化过程。

时间序列分析主要有确定性变化分析和随机性变化分析确定性变化分析：移动平均法， 移动方差和标准差、移动相关系数

随机性变化分析：AR、ARMA模型

2、移动平均法

2.1 移动窗口

主要用在时间序列的数组变换， 不同作用的函数将它们统称为移动窗口函数

2.2 移动平均线

那么会有各种观察窗口的方法，其中最常用的就是移动平均法移动平均线(Moving Average)简称均线, 将某一段时间的收盘价之和除以该周期

2.2.1移动平均线的分类移动平均线依计算周期分为短期(5天)、中期(20天)和长期(60天、120天)，移动平均线没有固定的界限

移动平均线依据算法分为算数、加权法和指数移动平均线注：不同的移动平均线方法不一样

2.3 简单移动平均线

简单移动平均线(SMA)，又称“算数移动平均线”，是指特定期间的收盘价进行平均化比如说，5日的均线SMA=(C1+ C2 + C3 + C4 + C5) / 5

例子：

案例：对股票数据进行移动平均计算

1、拿到股票数据，画出K线图

# 拿到股票K线数据

stock_day = pd.read_csv("./data/stock_day/stock_day.csv")

stock_day = stock_day.