- 1、本文档共43页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
模块十股票数据分析与股价趋势预测Python数据分析与可视化典型项目实战(微课版)
【任务描述】常用的预测模型有以下几种。(1)自回归模型自回归模型(AutoregressiveModel,简称AR模型)用于描述当前值与历史值之间的关系,使用变量自身的历史数据对自身进行预测。AR模型首先需要确定一个阶数p,表示使用几期的历史值来预测当前值。AR模型有以下限制条件。①AR模型是用自身的数据进行预测的。②时间序列数据必须具有平稳性。③AR模型只适用于预测与自身历史相关的现象。(2)移动平均模型移动平均模型(MovingAverageModel,简称MA模型)关注的是AR模型中误差项的累加,能有效地消除预测中的随机波动。【任务10-1】使用2年的股票数据建立ARIMA模型并使
用该模型预测股价趋势
【任务描述】(3)自回归移动平均模型AR模型和MA模型相结合,就得到了自回归移动平均模型(AutoregressiveMovingAverageModel,简称ARMA模型)。(4)差分自回归移动平均模型将AR模型、MA模型和差分法结合就得到了差分自回归移动平均模型(AutoregressiveIntegratedMovingAverageModel,简称ARIMA模型)。Excel文件“stock-2.xlsx”为“五粮液股票”2020和2021年相关数据,包括以下10列有效数据:date(日期)、code(股票代码)、open(开盘价)、high(最高价)、low(最低价)、close(收盘价)、preclose(上一收盘价,指上一个交易日收盘价)、volume(成交量)、amount(成交额)、turn(换手率)。使用2年的股票数据建立ARIMA模型并使用该模型预测股价趋势。【任务实现】在JupyterNotebook开发环境中创建tc10-01.ipynb,然后在单元格中编写代码并输出对应的结果。【任务10-1】使用2年的股票数据建立ARIMA模型并使
用该模型预测股价趋势
使用2年的股票数据建立ARIMA模型并使用该模型预测股价趋势1.导入模块fromstatsmodels.tsa.arima_modelimportARIMAfromstatsmodels.graphics.tsaplotsimportplot_acf,plot_pacffromwarningsimportfilterwarningsfilterwarnings(ignore)2.读取数据path=r.\data\stock-2.xlsx#默认读取Excel文件的第一个工作表data=pd.read_excel(path,index_col=date,parse_dates=[date])
使用2年的股票数据建立ARIMA模型并使用该模型预测股价趋势3.数据预处理stock=datastock=stock.drop(columns=Unnamed:0)sub=stock[2021-01:2021-12][close]train=sub.loc[2021-01:2021-06]test=sub.loc[2021-07:2021-12]4.绘制股票收盘价训练数据集的折线图plt.figure(figsize=(8,6))plt.plot(train)plt.show()
5.时间序列差分处理后绘制折线图stock[close_diff_1]=stock[close].diff(1)stock[close_diff_2]=stock[close_diff_1].diff(1)fig=plt.figure(figsize=(20,6))ax1=fig.add_subplot(131)ax1.plot(stock[close])ax2=fig.add_subplot(132)ax2.plot(stock[close_diff_1])ax3=fig.add_subplot(133)ax3.plot(stock[close_diff_2])plt.show()时间序列的平稳性要求经由样本时间序列所得到的拟合曲线在未来一段时间内仍能顺着现有的形态惯性地延续下去,要求序列的均值和方差不发生明显变化。使用差分法可以使数据更平稳,常用的方法就是一阶差分法和二阶差分法。使用2年的股票数据建立ARIMA模型并使用该模型预测股价趋势
5.时间序列差分处理后绘制折线图图10-2
您可能关注的文档
- 模块八 电商客户消费偏好特征分析.pptx
- Python数据分析与可视化典型项目实战(微课版)课件 模块二 天气与空气质量数据分析.pptx
- Python数据分析与可视化典型项目实战(微课版)课件 模块九 广告投放效果分析.pptx
- Python数据分析与可视化典型项目实战(微课版)课件 模块六 订单数据分析.pptx
- Python数据分析与可视化典型项目实战(微课版)课件 模块七 电商客户行为分析.pptx
- Python数据分析与可视化典型项目实战(微课版)课件 模块三 房源数据分析.pptx
- Python数据分析与可视化典型项目实战(微课版)课件 模块四 旅游景点数据分析.pptx
- Python数据分析与可视化典型项目实战(微课版)课件 模块五 商品销量数据分析.pptx
- Python数据分析与可视化典型项目实战(微课版)课件 模块一 人口与 GDP 数据分析.pptx
- 芯片设计 CMOS模拟集成电路设计与仿真实例基于Cadence IC 617 课件 第4章 运算放大器.pptx
- Python数据分析与可视化典型项目实战(微课版)课件 模块六 订单数据分析.pptx
- 汽车营销(第二版)课件 第五章 客户关系管理及客户满意度.pptx
- 芯片设计 CMOS模拟集成电路设计与仿真实例基于Cadence IC 617 课件 第1-2章 CMOS模拟集成电路设计流程简介、ADE仿真概述.pptx
- 【2024新教材-教科版】一年级科学上册全册教案.pdf
- 【2024新教材教科版】科学-二年级科学上册【全册教案】.pdf
- 【新教材】2024教科版科学-二年级科学上册【全册教案】.pdf
- RDPAC考试易错难题完整版.docx
- 阳光成长心理健康主题班会教案.docx
- 2022年中小学党组织领导下的校长负责制实施方案(共3篇).docx
- 20201130华润武汉二十四城对标分析.pptx
最近下载
- 构建水利安全生产风险管控“六项机制“工作指导手册(正文部分).pdf VIP
- 数字媒体技术(共9单元)03数字媒体技术.pptx VIP
- 重点领域敏感岗位廉洁风险防控实施细则.docx
- HGT 21547-2016 管道用钢制插板、垫环、8字盲板系列.pdf
- 湖南省水利建设工程安全生产责任保险费率表【模板】.pdf VIP
- (高清版)B-T 41246-2022 项目、项目群和项目组合管理 项目群管理指南.pdf VIP
- 07CJ03-1 轻钢龙骨石膏板墙.docx VIP
- 电子档案管理系统需求.pdf VIP
- 人教八年级上册物理《跨学科实践 制作望远镜》PPT教学课件.pptx
- gb501220XX工业设备及管道绝热工程施工规范.pdf
文档评论(0)