python时间序列预测股票走势

数据源来自“tushare”的包，安装方法参考如下链接：https://pypi.org/project/tushare/

提示：这只是个训练模型，技术不具备实际意义，入市需谨慎。

首先调用tushare包

import tushare as ts
import pandas as pd
import matplotlib.pyplot as plt

查自己比较感兴趣的股票，这里我查找的是新能源/燃料电池/氢燃料，在数据库里查找下

concept = ts.get_concept_classified()
df = concept[concept.c_name=='燃料电池']

我们就用金龙汽车作为我们的股票分析对象吧。

data=ts.get_hist_data('600686')

将开盘价open作为我们的分析对象，在这里截取了一段相对趋势唯一的数据作为train_data。并且选取了最后的一部分数据作为test_data。如下图。

在导入数据的过程中遇到一个很奇怪的现象，那就是数据的行index是时间逆序排列，刚开始没注意，后来才发现，用DataFrame.sort_index()进行调整。

data= ts.get_hist_data('600686', start='2016-09-13',end='2017-02-15').sort_index()
testdata=ts.get_hist_data('600686',start='2017-02-16',end='2017-03-29').sort_index()
plt.figure(figsize=(10,6))
plt.plot(data.open, label='Raw')
plt.legend(loc=0)

我们想对该时间序列数据进行预测，我们需要先对该数据进行分析，判断它到底是不是平稳性数据。

#使用ADF单位根检验法检验时间序列的稳定性
#先做一个编译器
def tagADF(t):
    result = pd.DataFrame(index=[
            "Test Statistic Value", "p-value", "Lags Used", 
            "Number of Observations Used", 
            "Critical Value(1%)", "Critical Value(5%)", "Critical Value(10%)"
        ],columns=['value']
    )
    result['value']['Test Statistic Value']=t[0]
    result['value']['p-value']=t[1]
    result['value']['Lags Used']=t[2]
    result['value']['Number of Observations Used'] = t[3]
    result['value']['Critical Value(1%)']=t[4]['1%']
    result['value']['Critical Value(5%)']=t[4]['5%']
    result['value']['Critical Value(10%)']=t[4]['10%']
    return result

我们调用python的统计包

import statsmodels.api as sm
import statsmodels.tsa.stattools as sts

这里会涉及到迪基-福勒检验的概念，后面我会抽时间补充这块知识。

adf_Data = sts.adfuller(data.open)
tagADF(adf_Data)

我们的前提假设是该数据是非平稳性数据，从p-value上我们看出，有78.68%的可信度证明这条假设。

接下来利用差分法构建平稳时间序列。

diff = data[['open']].diff(1).dropna()
plt.figure(figsize=(10,6))
plt.plot(diff, label='Diff')
plt.legend(loc=0)

验证是否是平稳性数据，重复上面的动作

adf_Data1 = sts.adfuller(diff.iloc[:,0])
tagADF(adf_Data1)

p-value很小，我们的假设失效，因此，diff数据序列符合平稳性要求。

ic = sm.tsa.arma_order_select_ic(
    diff, 
    max_ar=4, 
    max_ma=2, 
    ic='hqic'
)

计算结果，order=(1,1)

ARMAModel = sm.tsa.ARMA(diff, order).fit()

delta = ARMAModel.fittedvalues - diff
score = 1 - delta.var()/diff.var()

plt.figure(figsize=(10, 6))
plt.plot(diff, 'r', label='Raw')
plt.plot(ARMAModel.fittedvalues, 'g',label='ARMA Model')
plt.legend()

遇到一个很诡异的事情，

p = ARMAModel.predict(
    start='2017-02-16', 
    end='2017-03-29'
)

跑了四遍代码，重启了两遍kernel，还是不行
试了一下数字index，将就着用吧

p = ARMAModel.predict(
    start=98, 
    end=127
)

还原数据

def revert(diffValues, *lastValue):
    for i in range(len(lastValue)):
        result = [];
        lv = lastValue[i];
        for dv in diffValues:
            lv = dv + lv
            result.append(lv)
        diffValues = result
    return diffValues;

r = revert(p, data.open[-1])

plt.figure(figsize=(10,6))
plt.plot(r,'g',label='Predict')
plt.plot(testdata.open,'r',label='Raw')
plt.legend()