用Python写出基于ARIMA 模型的股票预测

ARIMA模型是一种基于时间序列的预测模型，可以用于股票价格的预测。在Python中，可以使用statsmodels库来实现ARIMA模型的构建和预测。以下是一个基于ARIMA模型的股票价格预测的示例代码：

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

# Load dataset
df = pd.read_csv('stock_prices.csv')

# Split to train and test sets
train = df[:500]
test = df[500:]

# Build ARIMA model
model = ARIMA(train['price'], order=(5, 1, 0))
model_fit = model.fit(disp=0)

# Make predictions
predictions = model_fit.forecast(steps=len(test))[0]

# Evaluate model
mse = mean_squared_error(test['price'], predictions)
rmse = np.sqrt(mse)
print(f'RMSE: {rmse}')

# Plot results
plt.plot(train['price'], label='Train')
plt.plot(test['price'], label='Test')
plt.plot(test.index, predictions, label='Predictions')
plt.legend()
plt.show()

在这个示例中，我们首先加载了股票价格的数据集，并将其分割成训练和测试集。然后，我们使用ARIMA模型拟合训练数据，并用其预测测试数据。最后，我们使用均方根误差（RMSE）评估了模型的性能，并将训练、测试和预测结果可视化。