ARIMA模型的确认
d 的确定 ： 差分后检查自相关函数，确定序列是否平稳，直到平稳为止。
p、q 的确定：由自相关函数、偏自相关函数确定，或由AIC、SC准则确定。
若自回归过程的阶数为p，则对于j>p应有偏自相关函数αj≈ 0
若移动平均过程的阶数为q，则对于j>q应有自相关函数ρj≈ 0
AIC、SC准则: 选择使准则值达到最小的模型阶数。
2022-02-20 23:54:57
327KB
1
今天小编就为大家分享一篇关于Python时间序列处理之ARIMA模型的使用讲解，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧
2022-02-19 10:11:59
66KB
1
arima的matlab代码金融知识库中的深度学习
该存储库包含用于开发
Sonam
Srivastava
在新加坡
RE-WORK
Deep
Learning
in
Finance
Conference
上发表的演讲标题“金融中的深度学习”的材料的代码。
相同的链接是：
主要做了两个研究：
回报预测
-
使用
ARIMA、VAR、SVR、深度回归、CNN
和
LSTM
进行黄金价格预测并比较结果。
投资组合构建
-
基于智能索引的投资组合构建练习使用深度神经网络和基于
2022-02-18 22:14:56
21.13MB
1
matlab提取股票数据代码DSPLAB_项目
这是使用ARIMA模型预测股市价格的整体项目。
为了更好的可读性，下面列出了此存储库的内容：
1）MATLAB_Code文件夹：此文件夹包含用于2011年至2020年的ARIMA预测的完整工作MATLAB代码以及SENSEX数据集。
2）Python_Code文件夹：此文件夹包含一些有用的实用程序脚本，您可以使用或修改这些实用程序脚本以从不同的文件格式（如.txt）中提取所需的数据，并将其保存在.csv文件中。
它还可以提取csv文件中的特定数据列，并将其存储在另一个csv文件中。
3）Project
Report：包含全面的Project报告和我们项目背后的理论，以便用户了解MATLAB代码工作背后的基本理论
2022-02-18 21:25:26
1.09MB
1
研究网络流量预测精度问题, 网络流量受多种因素的综合影响, 其变化具有周期性、非线性和随机性等特点, 将ARIMA模型和SVM模型相结合建立一种网络流量预测模型。采用ARIMA预测网络流量周期性和线性变化趋势; 然后采用SVM对网络流量非线性和随机性趋势进行拟合; 最后将两者结果再次输入SVM进行融合, 得到网络流量最终预测结果。采用具体网络流量数据对模型性能进行测试, 仿真结果表明, ARIMA-SVM提高了网络流量预测精度, 降低了预测误差, 能更全面刻画网络流量变化规律。
2022-02-18 19:52:33
1.35MB
1
为了提高预测模型的精度,给出了一种新的组合预测模型.利用时间序列ARIMA预测模型、BP神经网络及GM灰色预测模型进行单一模型的拟合与预测,通过赋予适当权系数结合三种方法得到了新的组合预测模型.山西省人均GDP预测实例应用结果表明:组合预测模型很好地描述了山西省人均GDP的非线性发展,比单一预测方法具有更高的预测精度.组合模型发挥了这三种模型各自的优势,可以作为人均GDP预测的有效方法,该模型在时间序列的预测中是有效的.
2022-02-09 10:41:59
306KB
1