时间序列预测-传统统计学模型ARIMA

时间序列介绍:

时间序列(TIME-SERISE)充斥着我们生活的空间，在金融、医疗、交通等领域都可体现，甚至我认为人类个体生存生活的时间线都是时间序列，个体在什么时间干了什么事，具体量化细分皆是时间序列。在严格学术意义上大致将时间序列区别为，平稳时间序列和非平稳时间序列。平稳时间序列是标准的严平稳时间序列，表示有着明显的周期性的序列数据，在整个序列中不存在“噪声”等，而现实的世界中大都是非平稳的时间序列，本文中介绍的ARIMA模型主要是针对平稳时间序列有效。

统计学模型-ARIMA介绍

网络上存在很多的ARIMA模型的原理介绍，本文在此不再陈述，具体的参考为下。

https://zhuanlan.zhihu.com/p/67092940

ARIMA 参数选择说明

关于ARIMA模型参数的确定是根据具体自己的数据来选择的。一共有三个参数(P、Q、D)
D： 是数据的差分阶数，根据自己数据的特点选择，但是一般情况下我们选择一阶差分或者二阶差分。
Q： Q指的是自相关系数(ACF)。自相关（英语：Autocorrelation），也叫序列相关，是一个信号于其自身在不同时间点的互相关。非正式地来说，它就是两次观察之间的相似度对它们之间的时间差的函数。它是找出重复模式（如被噪声掩盖的周期信号），或识别隐含在信号谐波频率中消失的基频的数学工具。它常用于信号处理中，用来分析函数或一系列值，如时域信号。也就是研究序列T时刻与T+K时刻的关系，量化两者间是否存在一定的相似性。
P： P是指偏相关系数(PACF)。在多要素所构成的序列中，当研究某一个要素对另一个要素的影响或相关程度时，把其他要素的影响视作常数（保持不变），即暂时不考虑其他要素影响，单独研究两个要素之间的相互关系的密切程度，所得数值结果为偏相关系数 。也就是只研究序列T时刻与T+K时刻的关系，忽略中间K-1个数值的影响。
至于PQ的参数选择可以参考下图：

源代码解析

本文的数据集是沪深股票数据。具体获取处理可以自行解决。本博客部分代码参考下博客：

https://blog.csdn.net/qq_36523839/article/details/80191243

源代码部分：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from statsmodels.tsa.arima_model import ARIMA
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
sns.set_style("whitegrid", {"font.sans-serif": ['KaiTi', 'Arial']})
import csv
def run_main():

    with open('scaled_open.csv', 'r') as csvfile:
        reader = csv.reader(csvfile)
        for i, rows in enumerate(reader):
            if i == 3:  ###读取某行
                row_2 = rows
            if  i==0:
                row_0 = rows
    row_0.reverse()
    row_2.reverse()
    data = pd.DataFrame(row_2[:1000],columns=['open'],index=row_0[:1000],dtype=np.float64)
    print(data)
    # plt.plot(data['open'])  # 原始数据
    # plt.title('股市每日开盘价')
    # plt.show()

    data = data.set_index(pd.DatetimeIndex(pd.to_datetime(data.index))) ##日期索引转换
    data1_w = data['open'].resample('W-MON').mean()  #一周来采样，更好预测，并取每一周的均值
    data1_train = data1_w['2017':'2019']  # 我们只取2018到2020的数据来训练
    plt.plot(data1_train)
    plt.title('周重采样数据')
    plt.show()
    # data2_train = data2_train.tolist()
    # data2_train = data['open']['2019':'2020']
    data1_train[np.isnan(data1_train)] = 0
    data1_train[np.isinf(data1_train)] = 0
    print(data1_train)

    data1_diff = data1_train.diff(1)  # 差分使用pandas的diff()函数可以进行一阶差分
    diff = data1_diff.dropna()
    plt.plot(diff)
    plt.title('一阶差分')
    plt.show()
    #分析ACF
    plot_acf(diff, lags=20)  # 通过plot_acf来查看训练数据，以便我们判断q的取值
    plt.title("股票指数的 ACF")
    plt.show()
    #
    # 分析PACF
    plot_pacf(diff, lags=20)  # 通过plot_pacf来查看训练数据，以便我们判断p的取值
    plt.title("股票指数的 PACF")
    plt.show()
    # 根据ACF和PACF以及差分 定阶并建模
    model = ARIMA(data1_train, order=(2, 1, 3), freq='W-MON')  # pdq    频率按周
    # model = ARIMA(data2_train, order=(2, 1, 3))  # pdq
    # 拟合模型
    arima_result = model.fit()
    print(arima_result.summary())### 打印模型参数
    # 预测
    pred_vals = arima_result.predict('2020-01-01','2021-1-28',dynamic=True, typ='levels')  # 输入预测参数，这里我们预测2021-01-01以后的数据
    print(pred_vals)###输出预测值
    #可视化预测
    stock_forcast = pd.concat([data1_w, pred_vals], axis=1, keys=['original', 'predicted'])  # 将原始数据和预测数据相结合，使用keys来分层

    # 构图
    plt.figure()
    plt.plot(stock_forcast)
    plt.title('真实值vs预测值')
    plt.show()


if __name__ == "__main__":
    run_main()

参考资料

https://zhuanlan.zhihu.com/p/67092940
https://www.cnblogs.com/tianqizhi/p/9277376.html
https://blog.csdn.net/qq_36523839/article/details/80191243
https://www.bilibili.com/video/BV1F441187xt?p=2&spm_id_from=pageDriver
https://zhuanlan.zhihu.com/p/35069699