时间序列自回归的python代码

下面是一个简单的Python代码示例，演示如何使用AR模型进行时间序列预测：

import pandas as pd
import numpy as np
from statsmodels.tsa.ar_model import AutoReg

# 生成时间序列数据
data = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000))

# 拆分为训练集和测试集
train_data = data[:800]
test_data = data[800:]

# 训练AR模型
model = AutoReg(train_data, lags=1)
model_fit = model.fit()

# 使用AR模型进行预测
predictions = model_fit.predict(start=len(train_data), end=len(train_data)+len(test_data)-1, dynamic=False)

# 输出预测结果
print(predictions)

在这个例子中，我们使用`AutoReg`模块中的`AutoReg`类来训练一个AR模型，并使用`predict`方法来进行预测。在训练过程中，我们指定了lags参数为1，表示使用前一时刻的值作为预测因素。最后，我们输出了预测结果。