ARIMA

U3

eg:3-1观察如下四个AR模型的平稳性>x1ets.plot(x1)>x2ets.plot(x2)>x3ts.plot(x3)>x4ts.plot(x4)>x1x3<-arima.sim(n=100,
clccley·2020-04-02 08:06

《数据分析实战-托马兹.卓巴斯》读书笔记第7章-时间序列技术（ARMA模型、ARIMA模型）

python数据分析个人学习读书笔记-目录索引第7章探索了如何处理和理解时间序列数据，并建立ARMA模型以及ARIMA模型。注意：我在本章花的时间较长，主要是对dataframe结构不熟。
邀月·2020-03-28 15:00

10年开发老司机「手把手教你」使用Python玩转金融时间序列模型

时间序列经典模型主要有自回归模型AR，移动回归模型MA，移动自回归模型ARMA，以及差分移动自回归模型ARIMA，今天主
燕大侠v·2020-03-20 20:47

ARIMA

1.概述ARIMA模型的全称叫做自回归移动平均模型，全称是(AutoregressiveIntegratedMovingAverageModel)。
罗汉堂主·2020-03-18 23:56

Python通过ARIMA模型进行时间序列分析预测

ARIMA模型预测时间序列分析预测就是在已有的和时间有关的数据序列的基础上构建其数据模型并预测其未来的数据，例如航空公司的一年内每日乘客数量、某个地区的人流量，这些数据往往具有周期性的规律。
Vic·Tory·2020-03-18 17:17

时间序列分析-Python实例

常用的时间序列数据的分析两类：·趋势分解法简介：将时间序列分解为趋势、周期、随机三部分，并对前两个部分使用曲线进行拟合适合场景：适合所有类型的时间序列数据，需要事先判断走势及周期性·ARIMA法简介：根据数据扰动项之间的相关性结构构建动态微分方程以预测模型适合场景
丨像我这样的人丨·2020-03-17 01:44

时间序列模型方法

属性对应原始序列的每一个预测值get_prediction方法预测序列某个区间的值和置信区间等get_forecast方法预测未来的值plot_diagnostics方法分析残差是否为正态分布且不相关ARIMA
tongues·2020-03-15 23:20

时间序列分析

本文的主题是关于时间序列建立ARIMA模型的相关理论解释以及运用Python进行实际建模的详细过程。
格物致知Lee·2020-03-09 01:03

时间序列分析模型——ARIMA模型

时间序列分析模型——ARIMA模型一、研究目的传统的经济计量方法是以经济理论为基础来描述变量关系的模型。
Morphing0527·2020-03-08 01:45

Python 用于金融数据分析第9课 Part 2-----时间序列分析模型ARIMA实现

ARIMA模型实现预测的流程流程图一、导入数据importpandasaspdimportmatplotlib.pyplotaspltimportnumpyasnp我们先在终端看一下牛奶产量这个文件的前几行再决定要怎么样读取这个
九日照林·2020-02-21 03:09

Python玩转金融时间序列之ARCH与GARCH模型

Python量化基础】时间序列的自相关性与平稳性主要介绍了时间序列的一些基础概念，包括自相关性、偏自相关性、白噪声和平稳性；而【手把手教你】使用Python玩转金融时间序列模型主要介绍了AR、MA、ARMA和ARIMA
燕大侠v·2020-02-19 05:30

时间序列预测--ARIMA模型

什么是ARIMA模型ARIMA模型的全称叫做自回归移动平均模型，全称是(ARIMA,AutoregressiveIntegratedMovingAverageModel)。
宸熠_鹿班·2020-02-18 15:22

ARIMA模型、GARCH模型、非对称GARCH模型

（一）建立ARIMA模型auto.arima(AA[,4])#识别最优阶数arima1<-arima(AA[,4],order=c(0,1,3),method="ML")summary(arima1)（
AmosDing·2020-02-16 18:00

数据分析技术：时间序列分析的AR/MA/ARMA/ARIMA模型体系

前面草堂君已经按照时间序列分析的教学顺序推送了以下文章，大家可以直接点击下方文章名称阅读回顾：数据分析技术：时间序列分析；SPSS分析技术：时间序列描述；SPSS分析技术：季节性分解；SPSS分析技术：指数平滑模型；在以上这些文章中，介绍了什么是时间序列以及时间序列分析的作用、时间序列的描述、时间序列的变动成分组成、如何用指数平滑模型分析带有长期趋势和季节变动两种变动成分的时间序列。可惜的是，事实
Morphing0527·2020-02-10 14:40

第十课 Python金融学基础——夏普比率(Sharpe ratio)和资产组合价值(portfolio value)

前面的课程主要是在研究Pandas的时序分析实现，以及利用statsmodel对时序数据进行ARIMA以及有权重的ARIMA模型的建模，并尝试预测未来的走向。
九日照林·2020-02-06 22:40

ARIMA

ARIMA(p，d，q)模型全称为差分自回归移动平均模型(AutoregressiveIntegratedMovingAverageModel,简记ARIMA)，AR是自回归，p为自回归项；MA为移动平均
maocy·2020-02-06 17:24

PP: A multi-horizon quantile recurrent forecaster

2017NIPS,timeseriesworkshoptraditionalmethods:ARIMA.Seq2Seqquantileforecast;RELATEDWORKDeepAR,probabilisticforecastingwithencoder-decodermodels.Aseq2seqarchitecturewithanidenticalencoderanddecoder.MET
keeps_you_warm·2020-02-03 17:00

我的天池比赛经验

第一个比赛是IJCAI-17口碑商家客流量预测，那个时候刚好看了时序的一些东西，觉得R语言的Auto.Arima很不错，于是就把R语言关于时序的包都调了一个遍
才能我浪费·2020-01-16 16:40

ARIMA-GARCH模型对央行汇率的实证研究（R）

对于这种情况，需要将原始序列变为平稳序列，对拟合自回归模型，即构造ARIMA模型，再考察残差序列的方差齐性，如果是异方差残差序列，最后构造GARCH模型，这便是ARIMA-GARCH模型。
liumanmanll·2020-01-08 17:07

时间序列预测模型-ARIMA原理及Python实现

1、几个值得参考的链接https://www.howtoing.com/a-guide-to-time-series-visualization-with-python-3/https://cloud.tencent.com/developer/article/1480301https://cloud.tencent.com/developer/article/1038334https://blo
qq_1712083022·2020-01-05 10:35

Win10系统安装python的scipy库

其中的ARIMA模型似乎比较适合。
非_定域·2020-01-03 07:28

计算自相关系数acf和偏相关系数pacf

时间序列分析中，自相关系数ACF和偏相关系数PACF是两个比较重要的统计指标，在使用arima模型做序列预测时，我们可以根据这两个统计值来判断模型类型（ar还是ma）以及选择参数。
洪于祥·2019-12-30 15:29

贵州茅台（600519）股价预测——金融时序模型(ARIMA)

基本概念ARIMA模型的全称叫做自回归移动平均模型，全称是(ARIMA,AutoregressiveIntegratedMovingAverageModel)。
小钱玩数据·2019-12-28 06:21

ARIMA模型

1.白噪声WhiteNoise如果一个时间序列是纯随机的，那么它就是白噪声。可以用来表示这种时间序列，它的平均值是0，方差是常数，并且是一个不相关的随机变量。这种序列的散点图表明不了任何模式，所以不可能预测这种序列未来的值。2.自回归模型AutoRegressiveModel(AR)AR模型中只跟它过去的值等等有关：通常来说，和它个过去的值有关的AR模型叫做AR(p)模型，像这样表示：比如AR(0
拯救大圈仔·2019-12-25 16:24

ARIMA模型

我看过的对ARMIA模型最简单明了的文章：https://www.cnblogs.com/bradleon/p/6827109.html1,什么是ARIMA模型ARIMA模型的全称叫做自回归移动平均模型
Aerio_不要坐井观天·2019-12-20 09:53

【挖掘模型】： Python 主要时序模式算法—StatsModels库

数据源：arima_data.xlsarima_data.xls数据结果Paste_Image.pngARIMA模型包#使用该模型需要一些列判别操作#平稳性检测-》白噪声检验——》是否差分-》AIC和BIC
dataheart·2019-12-19 08:51

时间序列中的异常

考虑一个ARIMA过程生成的时间序列其中和的所有根都在单位圆外，的所有根都在单位圆上。在这个序列中引入一个异常，得到其中表示异常发生的时刻，表示异常的量级，表示异常的演化模式。
虚胖一场·2019-12-16 16:08

指数平滑方法简介

指数平滑（Exponentialsmoothing）是除了ARIMA之外的另一种被广泛使用的时间序列预测方法（关于ARIMA，请参考时间序列模型简介）。
虚胖一场·2019-12-13 19:17

【手把手教你】使用Python玩转金融时间序列模型

时间序列经典模型主要有自回归模型AR，移动回归模型MA，移动自回归模型ARMA，以及差分移动自回归模型ARIMA，今天主要
CuteHand·2019-12-13 10:35

Python时间序列平稳检验--ADF检验

Refer：https://pengfoo.com/post/machine-learning/2017-01-24Abstract在ARMA/ARIMA这样的自回归模型中，模型对时间序列数据的平稳是有要求的
菠菜robot·2019-12-06 06:00

时间序列分解-预测-集成的建模思路 笔记

集成设计思路一个不错的总结，转自：https://blog.csdn.net/wbl90/article/details/79821898总结：1.序列分解：小波，EMD，奇异谱2.预测方法：时间序列（arima
小美琦miki·2019-12-01 23:07

Time Series ARIMA

dataset为过去几十年的单位牛的牛奶产量std基本不变，mean倒是不断再上升。【这种不算是stationary吧】这里我们使用DickerFullertest是不是stationary.使用adfulleradfullertest出来的结果里包含了一个ADFTeststatistics,P-value,#oflags,#ofobservations.如果Pvalue<一个值的时候，一般<1？
98Future·2019-11-27 16:22

【大数据部落】基于ARIMA、SVM、随机森林销售的时间序列预测

原文链接http://tecdat.cn/?p=1130如今DT（数据技术）时代，数据变得越来越重要，其核心应用“预测”也成为互联网行业以及产业变革的重要力量。对于零售行业来说，预测几乎是商业智能（BI）研究的终极问题，单纯从机器学习的角度来说，做到精准预测很容易，但是结合业务提高企业利润却很难。预测精确性是核心痛点。视频：机器学习助推精准销量预测part1业务挑战扎对，将产品粗略分为：基本款和时
qq_19600291·2019-11-06 18:17

时间序列模型ARIMA预测股票走势

使用工具：ARIMA首先导入需要使用的包，并且设置绘图格式。读取股票数据，并且进行观察。用sns进行可视化。ARIMA模型预测需要确定三个参数，p、d、qd是用差分法来确定需要几阶差分。
Mddull·2019-11-02 07:35

利用Auto ARIMA构建高性能时间序列模型（附Python和R代码）

BuildHighPerformanceTimeSeriesModelsusingAutoARIMAinPythonandR作者：AISHWARYASINGH；翻译：陈之炎；校对：丁楠雅原文链接：https://www.analyticsvidhya.com/blog/2018/08/auto-arima-time-series-modeling-python-r
feiquan·2019-10-16 15:00

Python玩转金融时间序列之ARCH与GARCH模型

Python量化基础】时间序列的自相关性与平稳性主要介绍了时间序列的一些基础概念，包括自相关性、偏自相关性、白噪声和平稳性；而【手把手教你】使用Python玩转金融时间序列模型主要介绍了AR、MA、ARMA和ARIMA
醉月似心·2019-10-08 14:31

时间序列分析模型——ARIMA模型

时间序列分析模型——ARIMA模型一、研究目的传统的经济计量方法是以经济理论为基础来描述变量关系的模型。
数据统计分析与挖掘·2019-09-13 21:43

【拼多多】数据分析笔试+三面面经

【一面】一面面试官，聊了一个小时，电话面试，感觉面试官非常nice1.自我介绍2.非常详细的问了问项目3.因为简历里面有时间序列模型，所以问了我ARIMA、SVAR这些时间序列模型的原理，以及优缺点
Asher117·2019-09-08 10:26

时间序列预测之decompose数据分解python实现和原理介绍

最近完成一个基于时间序列ARIMA预测的项目，为了处理非平稳化的数据，需要将数据分解成长期趋势项、季节性周期项以及残差项几部分，然后分别“对症下药”。以下写写数据的具体分解函数代码及原理。
CherryWWW·2019-08-09 17:01

通过Keras + LSTM训练天气污染程度预测模型

0前言在上文中进行ARIMA时序预测后，了解到强大的LSTM在处理时序预测有更为优秀的表现，因此对LSTM进行了学习。LSTM是一种时间递归神经网络，它出现的原因是为了解决RNN的一个致命的缺陷。
一摩尔自由·2019-08-08 21:49

时序检测

给定一段时间的离散值（构成一个序列），时间序列模块会学习这段序列的特征，并试图重新构建一个和原序列尽量接近的序列(arima,Holt-Winters等)。异常值检测。
王金松·2019-07-28 15:06

时间序列的模型比较和辟谣2019-07-18

经过比较，最简单的arima代码对于预测最近几个周期的趋势具有最高的准确率。在非季
流失的青春81·2019-07-23 13:37

利用ARIMA算法建立短期预测模型

经研究选用ARIMA算法建立预测模型，对5元话费券进行日领取量的短期预测。数据集收集了2019年1月到2019年2月5元话费券的日领取量数据，并根据此数据做时间序列分析
意林兄·2019-07-16 14:00

LTSM循环神经网络过程原理梳理

继续进行预估的工作，在尝试了GM(1,1),ARIMA之后，想要尝试LSTM循环神经网络做预估，希望能得到一个令人满意的结果，提取了《基于LSTM循环神经网络的交通流量预测》文章中部分内容，这篇文章把模型原理写的非常清晰
饭饭认认米·2019-06-18 18:29

拓端tecdat|使用R语言进行时间序列（arima，指数平滑）分析

原文链接：http://tecdat.cn/?p=3609原文出处：拓端数据部落公众号读时间序列数据您要分析时间序列数据的第一件事就是将其读入R，并绘制时间序列。您可以使用scan（）函数将数据读入R，该函数假定连续时间点的数据位于包含一列的简单文本文件中。数据集如下所示：国王死亡年龄数据604367505642506568436534...仅显示了文件的前几行。前三行包含对数据的一些注释，当我们
拓端研究室·2019-06-13 19:09

时间序列模型：ARIMA

本章涉及知识点：1、时间序列分析2、平稳时间序列3、白噪声4、AR自回归模型5、MA滑动平均模型6、ARMA模型7、ARIMA模型8、差分计算9、相关性分析—协方差10、相关性分析—Pearson相关系数
PrivateEye_zzy·2019-06-08 06:27

ARIMA/Sarima与LSTM的时间序列数据集成学习

动机传统时间序列预测中最常使用到的时间序列模型有以下五种，包括：自回归(AR)模型移动平均(MA)模型自回归移动平均(ARMA)模型差分自回归移动平均模型(ARIMA)季节性差分自回归移动平均模型(SARIMA
Poo_Chai·2019-06-05 19:08

LSTNet Paper Review

经典一元模型有AR、MA、ARCH、ARMA（ARIMA）等等，也有多元时序回归预
呢嘻嘻嘻嘻嘻·2019-05-24 11:51

「数据游戏」：使用 ARIMA 算法预测三日后招商银行收盘价

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。
U2FsdGVkX1x·2019-05-15 00:00

ADF检验

摘自：https://pengfoo.com/post/machine-learning/2017-01-24一、简介在ARMA/ARIMA这样的自回归模型中，模型对时间序列数据的平稳是有要求的，因此，
ylxn·2019-05-08 14:00
上一页 15 16 17 18 19 20 21 22 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他