ARIMA差分自回归模型python代码

最新推荐文章于 2025-05-29 14:28:00 发布

原创

最新推荐文章于 2025-05-29 14:28:00 发布 · 8.1k 阅读

19 ·

CC 4.0 BY-SA版权

本文介绍了如何使用Python对非平稳时间序列数据进行ARIMA模型的处理。首先，通过对数转换、差分和滑动平均操作使数据平稳。接着，应用差分自回归模型进行拟合，探讨了参数p、d、q对模型的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

１．差分自回归模型的基本思想：将预测对象随时间推移而形成的数据序列视为一个随机序列，用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值以及现在值来预测未来值。不能对时间序列直接采取线性回归算法是因为时间序列所对应的值并不是独立的。
２．要对非平稳的序列进行平稳处理，因为非平稳的序列不能进行预测。
３．代码：

#!/usr/bin/python

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from statsmodels.tsa.arima_model import ARIMA


def date_parse(date):
    return pd.datetime.strptime(date, '%Y-%m')

if