时间序列预测模型---天池资金流入流出

一、目标

 给出2013年7月1号到2014年8月31号所有用户在该时期内资金的申购信息，预测2014年9月1号到31号每天的申购总额

二、建模流程

 1.整合原始信息，将原始数据按天分组并计算日申购总量，并绘制时序数据的ADF图，通过观察时序图，发现数据是非平稳时间序列，接下来进行验证
 2.进行单位根平稳检验，p-value>0.05,确定该数据是非平稳时间序列
 3.进行白噪声检验，p-value<0.05,排除白噪声
 4.将非平稳序列转化为平稳序列：
   1.对非平稳时间序列进行时间序列的差分
   2.画出差分后的自相关和偏自相关图像
   3.循环上述步骤，至找到适合的差分次数d的值，此处选的1阶差分
 5.查找ARIMA模型中合适的p值和q值：
   1.画出一阶差分的自相关和偏自相关图，通过观察图像选取p值和q值
   2.将选出来的p值和q值组合起来建立多个ARMA模型，并分别进行拟合
   3.通过分析模型效果，找出最佳模型，确定p、q值
 6.进行模型检验
   1.对ARMA(p,q)模型所产生的残差做自相关图
   2.接着做德宾-沃森（D-W）检验，得出结论：数据不存在自相关性
   3.绘制qq图观察残差是否符合正态分布：否
 7.构建ARIMA模型，进行预测

Notes：

1.关于是否平稳的判断：

        APF-自相关性系数：一个平稳时间序列，自相关系数（ACF）会快速的下降到接近 0 的水平，然而非平稳时间序列的自相关系数会下降的比较缓慢；同样的，非平稳时间序列的自相关系数通常非常大并且为正值。