python模型预测_用Python和ARIMA模型进行股价时间序列预测(A0001ECON17083101v001)

01

基础知识

ARIMA(Autoregressive Integrated Moving Average，自回归集成移动均值)模型被称为是计量经济学家的良心，这即是说，如果一个人建立的时间序列模型不能有比它更好的预测能力，那就相当于他没有良心。Python是当下最为流行的开源数据科学编程语言，虽然在计量领域的应用不如R广泛，但仍然可以完成很多基础计量模型的建立。第一步是要安装Python，建立直接下载Anaconda，里面集成了多个数据科学软件包。本次我们用Python建立ARIMA模型来预测股价数据。

ARIMA(p,d,q)模型的基础形式如下：

括号中的d表示差分d次，对于一个长度为N的序列，差分d次后得到一个长度为N-d的序列。可以看出ARIMA模型的思想是很简单的：序列下一期的值就是等于前d期的加权平均加上前几期残差的加权平均。

事实上假如我们取p为1，d为0（不进行差分），q为0，则可以看出这实际上可以视为一个带漂移项的随机游走。在实际的经济序列中，大多数都是单位根非平稳，需要差分一次变成平稳序列。

02

Python的实现

本文用到的jupyter notebook文件可从网盘获得,文件夹对应本文编号0001：

https://pan.baidu.com/s/1jHR