「数据游戏」：使用 ARIMA 算法预测三日后招商银行收盘价

作者：天琼，「数据游戏」优胜队伍成员

介绍

本文整理记录了参与的一次小型数据分析竞赛「数据游戏」，竞赛目标是预测2019年5月15日A股闭市时招商银行600036的股价。

主要思路是利用ARIMA算法做时间序列预测。

使用的数据是公开的数据集 tushare。

拿到题目和数据之后，首先结合既往经历，觉得想要预测准股价，本身是一个不可能的事情，尤其是A股。

影响股价的因素非常复杂而且不透明，以及金融投资领域具有的反身性理论，使得这次预测更多偏向于实验性质，同时对竞争结果不要有过高的期望。

预测得准，是你的运气；预测的烂，也不会影响你从中学到什么。学习第一，比赛第二吧。

鉴于以上，本次预测只使用了close的时间序列。更多的数据其实并没有什么用。

首先了解下本文的 ARIMA 建模过程

1. 获取时间序列数据 ；

2. 观察数据是否为平稳时间序列；

3. 对于非平稳时间序列要先进行d阶差分运算，转化为平稳时间序列；

4. 对处理得到的平稳时间序列，求它的阶数p,q;

5. 根据ARIMA算法建模，ARIMA(data, order=(p, d, q))

6. 模型检验和调优

7. 预测

初学的小伙伴们可能对这个过程并不熟悉，没关系，先背下来。

对Python不熟悉的小伙伴们， 我给大家总结了几句车轱辘话，大家先强行了解下。

1. 获取时间序列数据:

1. 观察数据是否为平稳时间序列；对于非平稳时间序列要先进行d阶差分运算，转化为平稳时间序列；

1. 对处理得到的平稳时间序列，求它的阶数p, q

1. 根据ARIMA算法建模

1. 模型检验和调优

1. 预测

以上，是本文的核心代码，大家如果一时看不懂，可以跳过。 可以看看下面更详细的步骤。

导入数据并处理

检验时间序列的稳定性

ARIMA算法要求时间序列稳定，所以在建模之前，要先检验时间序列的稳定性。 adfuller就是用来干这个的。 adfuller 全称 Augmented Dickey–Fuller test， 即扩展迪基-福勒检验，用来测试平稳性。

#先做一个解释器, 让 adfuller 的输出结果更易读易理解：

adfuller检验是检查时间序列平稳性的统计测试之一。 这里的零假设是：序列 train 是非平稳的。 测试结果包括测试统计和差异置信水平的一些关键值。 如果测试结果中的 P-value 小于临界值，我们可以拒绝原假设并说该序列是平稳的。

检验结果显示，p-value=0.414, 远远大于5%的临界值，说明零假设是成立的，即序列 train 是非平稳的。

t is: (-1.7325346908056185, 0.4144323576685054, 0, 322, {‘1%’: -3.4508226600665037, ‘5%’: -2.870558121868621, ‘10%’: -2.571574731684734}, 523.9067372199033)

时间序列平稳化

为了让时间序列平稳，需要对 train 序列做差分运算：

关于时间序列稳定性的判断标准，可参考这篇博客：https://blog.csdn.net/u012735708/article/details/82460962

检验差分数据的平稳性

检验差分后数据的平稳性，和第一次验证方法相同

确定ARIMA的阶数p,q

在这里，先简单解释下自己对 ARIMA 算法的理解。不正确的地方请大家指点。

ARIMA算法认为时间序列上 t 时刻的值由2部分构成，第一部分是由之前p项历史值决定的，比如15日的收盘价是12日，13日，14日的收盘价的线性回归，用AR§表示。

但是这个线性回归的输出值肯定和15日的实际收盘价有一个误差，假设是e。

所以第二部分就是如果表示这个 e 。

这个e 可以认为是之前q项误差的线性回归，用MA(q)表示。

两部分合起来就是ARMA。

然后为了让时间序列平稳，再加个d 阶差分操作功能，就变成了ARIMA算法。

所以在使用 ARIMA 算法之前，需要先确定（p, d, q）的值。

建立模型并拟合数据

注意ARIMA的参数中，输入数据 应该是原始数据 train，ARIMA 会根据 d 的值，对原始数据做 d 阶差分运算。 d的含义是，输入序列需要先经过一个d阶的差分，变成一个平稳序列后才能进行数据拟合。

模型评估和调优

预测目标

使用 forecast 对样本外的时间序列进行预测。

关于foreast和predict的区别： predict 可以对样本内和样本外的进行预测，结果是一样的。 举例说明：forecast（10），表示对未来10个点进行预测，但是可以用model.fittedvalues查看样本内点的拟合值； 而predict(start,end)里面的参数0表示样本内的第一个数，以此类推。 如果想要预测样本外的数，需要将start设置为len(data)+1,即数据长度+1，才表示预测样本外的第一个数字。 而 forecast函数，是对样本外的数据进行预测。 但是这两个函数的预测结果是一样的。 另外，需要提到的是，ARIMA算法一般只能预测一点点，越长越不准确，即便是简单的正弦函数也不能准确预测。

5月15日close时的股价为：33.82 元。

顺便安利下这次参与的小竞赛「数据游戏」，是由个人发起、异步社区（邮电出版社）赞助的活动。

总体来说，这个比赛氛围适中，没有太大的心理负担。

所以感觉比较适合打算初入的小伙伴，参与之后，这样的经验对以后的学习进阶和职业发展都有好处。

Ad Time

学习更多数据科学知识请关注微信公众号：read_csv

参与数据科学活动请加 QQ 群：759677734

本文转载自异步社区。

原文链接：https://www.epubit.com/articleDetails?id=N16a9ad22-c563-4098-8a6c-29c90888a1ec