python预测模型代码_python时间序列预测（ARIMA模型案例代码）

1、模型识别

+ C0 `1 u- t. y2 G2 x1 p01 主要的模型

$ [/ _( }7 L9 P" j6 {$ b4 aAR（P）模型（Autoregressive Model）

0 l. \8 ?. Y. Y& `1 I

8 _' l! W" J# K( Z+ R1 Z 自回归模型描述的是当前值与历史值之间的关系

l2 U S/ z" m. s* d

% `0 }6 L) w$ }6 Q( N% ZMA（q）模型（Moving Average Model）( [; F; |9 P1 g2 W! Y# D8 P/ k

移动平均模型描述的是自回归部分的误差累计

3 u+ Q; r! W6 U! V! X+ B; v* |0 R) S. C) k3 d8 p8 d8 g

ARIMA模型（Autoregressive Integrated Moving Average Model）

( }* Y+ d' Y7 U G: B5 N8 ?+ f* Q2 ?4 X% \

所谓ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的之后值以及随机误差项的现值和滞后值进行回归所建立的模型3 X( U9 Z' n" T% x

% o$ a# t, H% L% H Xt=自回归AR+移动平均MA模型* [) C+ c+ X9 G- r! `

2020-5-23 14:42 上传

下载附件 (6.58 KB)

# n! c) x8 E# y: ]1 k. y& b02 截尾和拖尾

; P" s0 }5 \$ |: ^/ T; ~（1）p阶自回归模型 AR(P) 7 E# l) M, U+ q/ m% @5 s# Y$ `# P9 S

AR(p)模型的偏自相关函数PACF在p阶之后应为零，称其具有截尾性；

9 F) [1 `% t1 s$ M! x9 u dAR(p)模型的自相关函数ACF不能在某一步之后为零（截尾），而是按指数衰减（或成正弦波形式)，称其具有拖尾性。' U* r) j0 ` `- p

7 q5 h @! s' x X+ e

（2）q阶移动平均模型 MA(q) 8 K% C! @* m" n0 {9 C

MA(q)模型的自相关函数ACF在q阶之后应为零，称其具有截尾性； $ k: p" h% S2 B7 p

MA(q)模型的偏自相关函数PACF不能在某一步之后为零（截尾），而是按指数衰减（或成正弦波形式)，称其具有拖尾性。- o9 {7 k a4 r, m5 M

! X, r" S; C. m

03 如何判断拖尾和截尾

1 C Q. u, v) Z0 i* a' }5 a/ W0 r- B- x2 T6 y0 v- @

（1）如果样本自相关系数（或偏自相关系数）在最初的d阶明显大于2倍标准差范围，而后几乎95%的样本自相关（偏自相关）系数都落在2倍标准差范围以内，而且由非零自相关（偏自相关）系数衰减为小值波动的过程非常突然，这时，通常视为自相关（偏自相关）系数截尾。, a/ n& B2 q; F

" N+ [6 ]; F& Y- S: a（2）如果有超过5%的样本相关系数落在2倍标准差范围以外，或者是由显著非零的相关函数衰减为小值波动的过程比较缓慢或者非常连续，这时，通常视为相关系数不截尾。

8 o4 ~3 N9 `8 S, R% j0 @& D

6 E5 T1 x5 N/ j* @2、时间序列算法公式

0 {8 R' Z4 l8 h/ l重要的几种为：AR、MA、ARMA、ARIMA模型，具体公式见下图：

+ n# h1 \3 Z& [4 [4 X

# n: O+ V5 O, f) a

& Y, q8 j3 N3 F* t9 c

) n p4 M- I- W: ?/ e0 a5 r3、详细步骤

( v4 S3 Q( G+ b' p- c01 平稳性检验（adf检验）$ p4 \, d, u+ m5 I5 L

+ b" _; o+ K/ U( n: z1 Y# a 时序图检验7 t0 M% ?" v t) T* k' f

! p b7 E- B7 P1 P

根据平稳时间序列的均值和方差都为常数的性质，平稳序列的时序图显示该序列值始终在一个常熟附近随机波动，而且波动的范围有界；如果有明显的趋势性或者周期性，那他通常不是平稳序列

' k7 Z4 ]3 ~& d5 ^3 {' R2 [

% F$ R; B5 S9 B/ z2 P! {7 W6 m3 W* j* e# b 自相关图检验。

; j, P8 o F. Y% M8 Rw( c9 x- m# Q0 A( C0 o

平稳序列具有短期相关性民政性质对平稳序列而言通常只有近期的序列值对现时值的影响比较明显，间隔越远的过去只对现时值得影响越小。随着延迟期数K的增加，平稳序列的自相关系数Pk（延迟K期）会比较快的衰减趋向于零，并在零附近随机波动，而非平稳序列的自相关系数衰减的速度比较慢，这就是利用自相关图进行平稳性检验的标准

" ^7 k, Z# Z' g

; u* {( |9 G$ rz4 p% J4 _2 Y" \3 n2 ?8 R- q

#c 单位根检验

! M% w( L0 }1 c, M4 v d; E9 l8 \

单位根检验是指检验序列中是否存在单位根，如果存在单位根就是非平稳时间序列了

. S- T6