全稱為自回歸積分滑動(dòng)平均模型(Autoregressive Integrated Moving Average Model,簡(jiǎn)記ARIMA)。核心函數(shù)是ARIMA（p，d，q）稱為差分自回歸移動(dòng)平均模型，AR是自回歸， p為自回歸項(xiàng)； MA為移動(dòng)平均，q為移動(dòng)平均項(xiàng)數(shù)，d為時(shí)間序列成為平穩(wěn)時(shí)所做的差分次數(shù)。所謂ARIMA模型，是指將非平穩(wěn)時(shí)間序列轉(zhuǎn)化為平穩(wěn)時(shí)間序列，然后將因變量?jī)H對(duì)它的滯后值以及隨機(jī)誤差項(xiàng)的現(xiàn)值和滯后值進(jìn)行回歸所建立的模型。

整個(gè)算法的核心，就是ARIMA中d差分將時(shí)序差分成平穩(wěn)時(shí)序或是趨于平穩(wěn)時(shí)序，然后基于PACF設(shè)置p自回歸項(xiàng)，基于ACF設(shè)置q移動(dòng)平均項(xiàng)數(shù)。

但因?yàn)榘腔趕tatsmodels的，而其中的ARIMA（p，d，q），d不能>2，因此選用ARIMA（p，q）函數(shù)，d則使用pandas.diff()來(lái)實(shí)現(xiàn)。

本系統(tǒng)使用yahoo_finance，pandas，numpy，matplotlib，statsmodels，scipy，pywt這些包

1.從yahoo_finance包中獲取股票信息，使用panda存儲(chǔ)及處理數(shù)據(jù)，只提取其中Close屬性，按照時(shí)間排序?yàn)闀r(shí)間序列。

2.對(duì)Close時(shí)序進(jìn)行小波分解處理，選用DB4進(jìn)行小波分解，消除噪音。

3.進(jìn)行差分運(yùn)算，使用panda包的diff()方法，并使用ADF檢驗(yàn)進(jìn)行平穩(wěn)性檢驗(yàn)，保證時(shí)間序列是平穩(wěn)或趨于平穩(wěn)的。

4.輸出ACF，PACF圖，確定p，q的值。

5.運(yùn)用ARIMA模型對(duì)平穩(wěn)序列進(jìn)行預(yù)測(cè)，ARIMA(p,q)。

6.還原差分運(yùn)算，得到股票預(yù)測(cè)時(shí)序。

本圖順序與步驟順序無(wú)關(guān)，僅僅是作為一種直觀的展示：

ARIMA是一種處理時(shí)序的方法模型，可以作用于股票預(yù)測(cè)，但是效果只能說(shuō)是一般，因?yàn)楣墒蓄A(yù)測(cè)有一定的時(shí)序關(guān)系，卻又不完全是基于時(shí)序關(guān)系，還有社會(huì)關(guān)系，公司運(yùn)營(yíng)，新聞，政策等影響，而且ARIMA使用的數(shù)據(jù)量?jī)H僅只有一階的Close屬性。因此本模型可以作用在平穩(wěn)發(fā)展，沒有什么負(fù)面新聞和政策干擾的公司（不懂經(jīng)濟(jì)學(xué)，不知道對(duì)不對(duì)= =）。

https://github.com/jerry81333/StockProdiction/

本站僅提供存儲(chǔ)服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)點(diǎn)擊舉報(bào)。