当前位置：网站首页>（三）、时间序列预测

（三）、时间序列预测

2022-08-09 07:32:00 【青冥猪猪】

适用范围：根据客观事物发展的这种连续规律性，运用过去的历史数据，通过统计分析，进一步推测市场未来的发展趋势。在时间序列分析预测法处于核心位置

时间序列预测未来走势的方法有很多，下列只列自回归模型、移动平均模型和差分自回归滑动模型

数据预处理

1、时间序列的可视化

画图

偏自相关系数（PACF）：计算自相关系数acf和偏相关系数pacf - racoon_man - 博客园

相关系数

相关度

0.0-0.2

极弱相关或无相关

0.2-0.4

弱相关

0.4-0.6

中等程度相关

0.6-0.8

强相关

0.8-1.0

极强相关

相关系数的绝对值越接近于1或-1，相关性则越强，相关系数越接近0，相关度则越弱。

 

参考：Python中的时序分析（TSA）-线性模型到GARCH—BLACKARBSLLC 

模型的求解

Python、matlab

模型的检验

1、白噪声检验

2、拟合优度的检验

原网站

版权声明
本文为[青冥猪猪]所创，转载请带上原文链接，感谢
https://blog.csdn.net/VV1212_662/article/details/122934813

边栏推荐

猜你喜欢

随机推荐