你将收获

熟练掌握arma建模方法

熟练掌握arima建模方法

熟练掌握趋势与季节性分析方法

显著提升业务分析能力

适用人群

程序员 数据分析人士 咨询顾问 商务运营人士 经济管理

课程介绍

运用实际案例讲解如何使用Python编程的方式进行时间序列分析,包括:

  • 自回归移动平均(ARMA)建模方法
  • 自回归差分移动平均(ARiMA)建模方法
  • 时间序列分解方法(趋势与季节性分析)

授课内容简洁明了,突出重点,强调实用性。

课程讨论

老师您好, 我也在使用ARIMA模型进行时间序列预测 我有以下的问题,麻烦老师帮解答 1. 我预测使用的方法是 result = arima_model.fit() result.forecast(10) 预测的结果总是一条直线,问题是这个ARIMA模型是自己内部实现差分的还原吗, 不需要手动将预测结果进行差分还原是吗? 2. forecast方法和predict方法预测有哪些区别呢,

老师,我想问一下,如何用ARIMA对已有的数据进行一个预测,我想做一个比对,有相关代码吗

老师,这里data1 = df.append(pd.Series(predict[0])) 出现TypeError: Can only append a Series if ignore_index=True or if the Series has a name 我加了ignore_index=True 加入的数据这样的 1199 -489.060000 NaN NaN 1200 -489.059328 -489.058711 -489.058143 没有在一列上

老师您好,我想请问一下,最后一节,如果时间序列具有明显的季节性,还是可以按照课程中讲的这么预测吗?或者使用其他的方法,最后一节只画了图,没有讲怎么解决所以很困惑。谢谢老师了

老师你好我想请问一下课件去哪里下载呢

老师,课件下载里面没有代码,只有一些数据

老师,我的数据集涉及小数,在进行白噪声检验时结果都是nan

请问下老师,ARIMA模型差分后,预测出来的数字不也是差分的吗?不需要还原吗?

老师您好,我用自己的数据集进行了一阶差分后通过了平稳性检验,但是在ARIMA模型评估的时候为啥ma.L1.D.y和ma.L2.D的p值是nan呀?遇到这种情况需要如何处理?

老师你好,第二课的作业中,给出p为2,q为1,但是建模会报错,如下“The computed initial MA coefficients are not invertible You should induce invertibility, choose a different model order, or you can pass your own start_params.” 把p换成1,q换成1后就好了,这是为什么呢?