前言

本文的文字及圖片來源于網路,僅供學習、交流使用,不具有任何商業用途,如有問題請及時聯系我們以作處理，

以下文章來源于資料皮皮俠，作者：皮皮俠

主要一個股票，使用時間序列模型研究按照下面的流程來研究一下其變化趨勢，看看準不準，Python代碼寫的比較優美，學習者可以研讀一下整個程式流程，

步驟：

準備資料
可視化資料、審查資料
處理資料
根據ACF、PACF定階
擬合ARIMA模型
預測

# -*- coding: utf-8 -*-
"""
Spyder Editor

This is a temporary script file.
"""

import pandas as pd
import pandas_datareader
import datetime
import matplotlib.pylab as plt
from matplotlib.pylab import style
from statsmodels.tsa.arima_model import ARIMA
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf

style.use('ggplot')     # 設定圖片顯示的主題樣式

# 解決matplotlib顯示中文問題
plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定默認字體
plt.rcParams['axes.unicode_minus'] = False  # 解決保存影像是負號'-'顯示為方塊的問題


def run_main():
    """
        主函式
    """
    # 1. 準備資料
    # 指定股票分析開始日期
    start_date = datetime.datetime(2009, 1, 1)
    # 指定股票分析截止日期
    end_date = datetime.datetime(2019, 4, 1)
    # 股票代碼
    stock_code = '600519.SS'    # 滬市貴州茅臺

    stock_df = pandas_datareader.data.DataReader(
                        stock_code, 'yahoo', start_date, end_date
                )
    # 預覽資料
    print(stock_df.head())

    # 2. 可視化資料
    plt.plot(stock_df['Close'])
    plt.title('股票每日收盤價')
    plt.show()

    # 按周重采樣
    stock_s = stock_df['Close'].resample('W-MON').mean()
    stock_train = stock_s['2014':'2018']
    plt.plot(stock_train)
    plt.title('股票周收盤價均值')
    plt.show()

    # 分析 ACF
    acf = plot_acf(stock_train, lags=20)
    plt.title("股票指數的 ACF")
    acf.show()

    # 分析 PACF
    pacf = plot_pacf(stock_train, lags=20)
    plt.title("股票指數的 PACF")
    pacf.show()

    # 3. 處理資料，平穩化資料
    # 這里只是簡單第做了一節差分，還有其他平穩化時間序列的方法
    stock_diff = stock_train.diff()
    diff = stock_diff.dropna()
    print(diff.head())
    print(diff.dtypes)

    plt.figure()
    plt.plot(diff)
    plt.title('一階差分')
    plt.show()

    acf_diff = plot_acf(diff, lags=20)
    plt.title("一階差分的 ACF")
    acf_diff.show()

    pacf_diff = plot_pacf(diff, lags=20)
    plt.title("一階差分的 PACF")
    pacf_diff.show()

    # 4. 根據ACF和PACF定階并建立模型
    model = ARIMA(stock_train, order=(1, 1, 1), freq='W-MON')
    # 擬合模型
    arima_result = model.fit()
    print(arima_result.summary())

    # 5. 預測

    pred_vals = arima_result.predict(start=str('2019-01'),end=str('2019-03'),
                                     dynamic=False, typ='levels')
    print(pred_vals)

    # 6. 可視化預測結果
    stock_forcast = pd.concat([stock_s, pred_vals], axis=1, keys=['original', 'predicted'])

    plt.figure()
    plt.plot(stock_forcast)
    plt.title('真實值vs預測值')
    plt.savefig('./stock_pred.png', format='png')
    plt.show()


if __name__ == '__main__':
    run_main()

結果顯示：

轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/227643.html

標籤：Python

上一篇：使用 Docker 部署 Spring Boot 專案，帶勁！！

下一篇：給出一個完全二叉樹，求出該樹的節點個數-LeetCode每日一題小白嘔心制作

Python資料可視化：分析股票資料，折線圖顯示資料

前言

步驟：