天池比赛-资金流入流出预测-挑战Baseline--时间序列初探

最新推荐文章于 2023-10-17 11:06:06 发布

希明人

最新推荐文章于 2023-10-17 11:06:06 发布

阅读量6.3k

点赞数 2

本文链接：https://blog.csdn.net/ximingren/article/details/79214748

版权

本文通过参加天池比赛，探索预测余额宝申购和赎回总量的方法。使用时间序列分析，重点介绍了ARMA模型的实现，包括数据预处理、平稳性与白噪声检验、序列差分以及模型定阶。通过单位根检验和ACF/PACF图确定模型参数，但初步模型的预测误差较大，提示需要进一步优化。

摘要由CSDN通过智能技术生成

比赛地址在此：点击打开链接

起因：它这个项目是预测未来30天余额宝的总的申购总量和赎回总量，这个是跟余额宝的利率和上海银行间借拆利率有关。然而它30天后的这两个数值并没有给出，因此需要用时间序列来预测。

需要的工具库：

1.numpy

2.pandas

3.statsmodels

4.matplotlib

第一步：读取数据

# 读取数据,并让report_date字段值成为index
date_interest=pd.read_csv(r'../analyed_data/date_interest.csv',index_col='report_date',parse_dates=['report_date'])
columns=date_interest.columns
# 因为有10个属性,所以需要每一个分开来进行预测
for i in range(len(columns)):
   print(date_interest.iloc[:,i].describe())

第二步:对数据进行统计分析

主要步骤有：

1.摘要分析

2.画出时序图

具体实现:

1.首先实现绘制时序图的函数

def draw_trend(timeSeries,column): 
     f=plt.figure(facecolor='white')
     timeSeries=timeSeries.diff(3)
     timeSeries.plot(color='blue',label='timeSeries')
     plt.legend(loc='best')
     plt.title(column)
     plt.show()

2.绘制时序图

date_interest=pd.read_csv(r'../analyed_data/date_interest.csv',index_col='report_date',parse_dates=['report_date'])
    columns=date_interest.columns
    for i in range(len(columns)):
        data=date_interest.iloc[:,i]
        column=columns[i]    
        # 绘制时序图
        draw_trend(data,column)