时间序列流程

本文介绍了时间序列分析中的变平稳过程,包括去趋势和去周期性方法,如差分、取对数及滤波,并探讨了变平稳的其他原因。此外,文章还展示了使用R语言实现ARIMA模型的示例,强调了auto.ARIMA模型在自动寻找数据特性的优点。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

  • 一、变平稳

1.1 去趋势

     差分、取对数

1.2去周期性

     滤波、差分

1.3变平稳的原因除了1.1、1.2之外还有

    稳定方差、使数据呈现正态分布、使周期效应累加

ARIMA模型的示例代码

from pandas import read_csv
from pandas import datetime
from matplotlib import pyplot
from statsmodels.tsa.arima_model import ARIMA
from sklearn.metrics import mean_squared_error

def parser(p):
	return datetime.strptime('190'+p,'%Y-%m)

series = read_csv('input.csv',header = 0,parse_dates = [0],index_col = 0,squeeze = True,date_parser = parser)
P = series.values
size = int(len(P)*0.66)
train,test = P[0:size],P[size:len(P)]
history = [p for p in train]
predictions = list()
for t in range(len(test)):
	model = ARIMA(history,order=(5,1,0))
	model_fit = model.fit(disp=0)
	output = model_fit.forecast()
	yhat = output[0]
	predictions.append(yhat)
	obs = test[t]
	history.append(obs) # 滑动窗口
	print
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值