資源簡介
資源為python版的arima模型代碼,后面也會上傳代碼中使用的數據集
代碼片段和文件信息
#-*-?coding:?utf-8?-*-
from?__future__?import?print_function
import?pandas?as?pd
import?numpy?as?np
import?matplotlib.pyplot?as?plt
import?statsmodels.api?as?sm
#讀取Excel數據
discfile?=?‘C:\\Users\\AAS-1413\\Desktop\\shuang11.xlsx‘
data?=?pd.read_excel(discfileindex_col=0)
data=data[‘number‘]
data.head()
data.plot(figsize=(128))
print(data)
#使用一階差分,12步差分處理時間序列
diff_1?=?data.diff(1)
diff1?=?diff_1.dropna()
#print(diff1_144_1)
#判斷序列是否平穩,計算ACF,PACF
fig1?=?plt.figure(figsize=(128))
ax1=fig1.add_subplot(111)
sm.graphics.tsa.plot_acf(diff1lags=3ax=ax1)
fig2?=?plt.figure(figsize=(128))
ax2=fig2.add_subplot(111)
sm.graphics.tsa.plot_pacf(diff1lags=3?ax=ax2)
#模型定階,根據aicbichqic三者都是越小越好
#?arma_mod01?=?sm.tsa.ARMA(diff1_144(01)).fit()
#?print(arma_mod01.aicarma_mod01.bicarma_mod01.hqic)
#?arma_mod10?=?sm.tsa.ARMA(diff1_144(10)).fit()
#?print(arma_mod10.aicarma_mod10.bicarma_mod10.hqic)
#?arma_mod60?=?sm.tsa.ARMA(diff1_144(60)).fit()
#?print(arma_mod60.aicarma_mod60.bicarma_mod60.hqic)
arma_mod61?=?sm.tsa.ARMA(diff1(11)).fit()
print(arma_mod61.aicarma_mod61.bicarma_mod61.hqi
評論
共有 條評論