arima模型预测股票价格 python

### 使用ARIMA模型在Python中实现股票价格预测

为了利用ARIMA模型进行股票价格预测，在完成必要的库导入和数据预处理之后，还需要执行参数选择、模型拟合以及未来值预测等一系列操作。

加载并准备数据集后，可以使用`statsmodels`中的`ARIMA`类来进行建模。下面展示了一个完整的流程：

#### 数据探索与预处理

import pandas as pd
import matplotlib.pyplot as plt

# 加载数据
stock_file = 'maotai_stock.csv'
df = pd.read_csv(stock_file, index_col='date', parse_dates=True)

# 查看前几行数据以了解其结构
print(df.head())

# 绘制收盘价的时间序列图以便直观理解走势
plt.figure(figsize=(10, 6))
plt.plot(df['close'], label="Close Price")
plt.title('Moutai Stock Close Prices Over Time')
plt.xlabel('Date')
plt.ylabel('Price (CNY)')
plt.legend()
plt.show()

#### 参数估计与模型构建
对于ARIMA(p,d,q)，p表示自回归项数；d代表差分阶数使序列平稳化；q指移动平均项的数量。可以通过ACF/PACF图表辅助确定这些超参数[^1]。

from statsmodels.graphics.tsaplots import plot_acf, plot_pacf

fig, axes = plt.subplots(2, figsize=(10,8))

plot_acf(df.close.dropna(), ax=axes[0])
plot_pacff(df.close.dropna(), ax=axes[1])

plt.tight_layout()
plt.show()

# 基于观察到的结果设定初步的pdq组合
order = (1, 1, 1)  
model = sm.tsa.ARIMA(df['close'], order=order).fit()  

print(model.summary())

#### 预测未来的股价变动情况
一旦训练好了合适的ARIMA模型，则可以直接调用`.forecast()`方法对未来一段时间内的股票价格做出预测，并可视化结果。

predictions = model.forecast(steps=30)[0]

future_index = pd.date_range(start=df.index[-1], periods=len(predictions)+1, freq='B')[1:]
pred_series = pd.Series(data=predictions, index=future_index)

plt.figure(figsize=(10,6))
plt.plot(df['close'], color='blue', label='Historical Data')
plt.plot(pred_series, color='red', linestyle="--", marker="o", markersize=4, linewidth=2,label='Forecasted Values')

plt.title('Predicting Moutai Stock Closing Prices Using ARIMA Model')
plt.xlabel('Time Periods')
plt.ylabel('Closing Price')
plt.legend(loc='best')
plt.grid(True)
plt.show()

通过上述过程，能够较为清晰地掌握如何运用ARIMA算法对特定时间段内贵州茅台公司的股票收盘价变化趋势作出合理推测。