arima模型实例

下面是一个使用ARIMA模型进行时间序列预测的实例，我们以股票价格为例：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.tsa.arima_model import ARIMA

# 读取数据
data = pd.read_csv('stock_price.csv', index_col='date', parse_dates=True)

# 可视化数据
plt.plot(data)
plt.title('Stock Price')
plt.xlabel('Date')
plt.ylabel('Price')
plt.show()

# 拆分训练集和测试集
train_data = data[:'2018-01-01']
test_data = data['2018-01-01':]

# 训练ARIMA模型
model = ARIMA(train_data, order=(1, 1, 1))
model_fit = model.fit(disp=0)

# 预测测试集
predictions = model_fit.predict(start='2018-01-01', end='2019-01-01', dynamic=False)

# 可视化预测结果
plt.plot(test_data)
plt.plot(predictions, color='red')
plt.title('Stock Price Prediction')
plt.xlabel('Date')
plt.ylabel('Price')
plt.show()

在上述代码中，我们首先读取了股票价格的时间序列数据，并对其进行可视化。然后，我们将数据拆分成训练集和测试集，并使用训练集训练了一个ARIMA模型。最后，我们使用训练好的模型对测试集进行了预测，并将预测结果可视化。