版权声明：随便转载，互相学习，注明来源即可，不想注明也没事 https://blog.csdn.net/yangwohenmai1/article/details/86307777
至此，时间序列预测基础教程系列的博客就完成了，与上一个专题LSTM预测相比，ARIMA是一种数学上以及经融学上的预测方法，而非机器学习或神经网络上的预测方法。
这个系列15篇文章主要是从零开始讲述了如何用Python实现传统金融预测中的ARIMA预测方法
部分文章链接：
时间序列预测基础教程系列(2)_用构建监督学习型数据进行时间序列预测
时间序列预测基础教程系列(3)_机器学习中的 无监督学习，有监督学习，半监督学习
时间序列预测基础教程系列(4)_机器学习中如何加载时间序列数据(Python)
以下略……可自行查看
这一个系列课程结束后，时间序列的预测学习就暂时告一段落，目前通过对LSTM时间序列预测和ARIMA时间序列预测两个专题的学习，已经掌握了基本的技术点，准备自己动手实践操作一下，而预测对象就是A股上证股市数据。预测准备选取LSTM来建模。
实践过程和结果也会在博客上记录下来，内容放在首页的金融中的机器学习专栏中，代码和测试数据都会在github上发布，欢迎大家来一起交流。
本人的目的是想通过神经网络，机器学习等模式分析工具，对证券市场的行情走势做分析和判断，如果有同道中人有兴趣一起研究，欢迎联系我。博客下留言即可，留下联系方式或者私信我，经常在线，看到后回复。