基于Tushare对单只股票进行预测
由于股票数据不是很稳定,受一些政策和其它环境的影响,所以效果不是很好,主要是通过这个小项目具体应用一下。
1. ARIMA模型(差分自回归移动平稳模型)
ARIMA模型是时间序列预测方法中的一种典型算法,股票数据是高度符合时间序列的,对股票数据做分析采用ARIMA模型相当合适
2. 时间序列
1.
现实的、真实的一组数据,而不是数理统计中做实验得到的。既然是真实的,它就是反映某一现象的统计指标,因而,时间序列背后是某一现象的变化规律。
2. 动态数据。
简单来说就是利用前期数值与后期数值的相关性对未来发生的情况进行预测
3. ARIMA算法过程(以股票600858为例说明)
4. 模型介绍
a 将非平稳数据转化为平稳数据
平稳性:序列的均值与方差不发生明显的变化
差分法:时间序列在t与t-1时刻的差值
b 由自相关系数(ACF)和偏相关系数(PACF)确定阶数p和q
C.训练ARIMA模型,预测走势(以周为单位进行的预测,由2015年和2016年预测的2018年,走势大致符合)