1、差分.diff(1)
一阶差分：
pd['diff_1'] = pd['row'].diff(1) #对列数据做差分
2、ACF和PACF的绘制
importstatsmodels.api assm
def tsplot(y, lags=None, title='', figsize=(14, 8)):
fig = plt.figure(figsize=figsize)
layout = (2, 2)
ts_ax = plt.subplot2grid(layout, (0, 0))
hist_ax = plt.subplot2grid(layout, (0, 1))
acf_ax = plt.subplot2grid(layout, (1, 0))
pacf_ax = plt.subplot2grid(layout, (1, 1))
y.plot(ax=ts_ax)
ts_ax.set_title(title)
y.plot(ax=hist_ax, kind='hist', bins=25)
hist_ax.set_title('Histogram')
smt.graphics.plot_acf(y, lags=lags, ax=acf_ax)
smt.graphics.plot_pacf(y, lags=lags, ax=pacf_ax)
[ax.set_xlim(0) for ax in [acf_ax, pacf_ax]]
sns.despine()
fig.tight_layout()
return ts_ax, acf_ax, pacf_ax
tsplot(ts_train, title='A Given Training Series', lags=20);
3、
由于p，q，d的不准确性，对p，q，d进行遍历，选择最好的参数
import itertools
p_min = 0
d_min = 0
q_min = 0
p_max = 4
d_max = 0
q_max = 4
#Initialize a DataFrame to store the results
results_bic = pd.DataFrame(index=['AR{}'.format(i) for i in range(p_min,p_max+1)],
columns=['MA{}'.format(i) for i in range(q_min,q_max+1)])
for p,d,q in itertools.product(range(p_min,p_max+1),
range(d_min,d_max+1),
range(q_min,q_max+1)):
if p==0 and d==0 and q==0:
results_bic.loc['AR{}'.format(p), 'MA{}'.format(q)] = np.nan
continue
try:
model = sm.tsa.SARIMAX(ts_train, order=(p, d, q),
#enforce_stationarity=False,
#enforce_invertibility=False,
)
results = model.fit()
results_bic.loc['AR{}'.format(p), 'MA{}'.format(q)] = results.bic
except:
continue
results_bic = results_bic[results_bic.columns].astype(float)
fig, ax = plt.subplots(figsize=(10, 8))
ax = sns.heatmap(results_bic,
mask=results_bic.isnull(),
ax=ax,
annot=True,
fmt='.2f',
);
ax.set_title('BIC');
train_results = sm.tsa.arma_order_select_ic(ts_train, ic=['aic', 'bic'], trend='nc', max_ar=4, max_ma=4)
print('AIC', train_results.aic_min_order)
print('BIC', train_results.bic_min_order)
OUT：
AIC (4, 2)
BIC (1, 1)
4、数据切分
n_train=int(0.95*n_sample)+1
n_forecast=n_sample-n_train
#ts_df
ts_train = ts_df.iloc[:n_train]['value']
ts_test = ts_df.iloc[n_train:]['value']
5、arima模型建立
arima200 = sm.tsa.SARIMAX(ts_train, order=(2,0,0))#由order传入p，d，q
model_results = arima200.fit()
6、模型稳定性的判断
我们的主要关切是确保我们的模型的残差是不相关的，并且平均分布为零。 如果季节性ARIMA模型不能满足这些特性，这是一个很好的迹象，可以进一步改善。
残差在数理统计中是指实际观察值与估计值（拟合值）之间的差。“残差”蕴含了有关模型基本假设的重要信息。如果回归模型正确的话， 我们可以将残差看作误差的观测值。 它应符合模型的假设条件，且具有误差的一些性质。利用残差所提供的信息，来考察模型假设的合理性及数据的可靠性称为残差分析
在这种情况下，我们的模型诊断表明，模型残差正常分布如下：
-
在右上图中，我们看到红色KDE线与N(0,1)行（其中N(0,1) ）是正态分布的标准符号，平均值0 ，标准偏差为1 ） 。 这是残留物正常分布的良好指示。
-
左下角的qq图显示，残差（蓝点）的有序分布遵循采用N(0, 1)的标准正态分布采样的线性趋势。 同样，这是残留物正常分布的强烈指示。
-
随着时间的推移（左上图）的残差不会显示任何明显的季节性，似乎是白噪声。 这通过右下角的自相关（即相关图）来证实，这表明时间序列残差与其本身的滞后版本具有低相关性。
7、fbprophet框架
时间序列受四种成分影响：
-
趋势：宏观、长期、持续性的作用力，比如我国房地产价格；
-
周期：比如商品价格在较短时间内，围绕某个均值上下波动；
-
季节：变化规律相对固定，并呈现某种周期特征。比如每年国内航班的旅客数、空调销售量、每周晚高峰时间等。“季节”不一定按年计。每周、每天的不同时段的规律，也可称作季节性。
-
随机：随机的不确定性，比如10分钟内A股的股指变化，也是人们常说的随机过程(Stochastic Process）
Prophet所针对的，是Facebook的商业预测任务，这些任务一般具有以下特征：
按小时、日、周的观测值，至少是几个月的历史数据（最好是一年）；
多种和人类活动相关的强周期性：比如每周的某日，一年中的某个时间；
按不确定间隔出现，已知的重要节假日，比如超级碗（Super Bowl)；
合理数量的空白观测值或异常值；
时间趋势会转折，比如新产品发布；
非线性增长的趋势，比如到达了某种自然局限或饱和。
分析微软股票：
microsoft = Stocker('MSFT') #MSFT股票名字，Stocker包含相关 函数
model, model_data = microsoft.create_prophet_model(days=0) #预测未来days天
model.plot_components(model_data)
plt.show()
可分析时间段内的趋势：
分析亚马逊股票：
模型评估:
评估的指标包括：真实值和预测值之间的平均误差，上升与下降趋势，置信区间
amazon.evaluate_prediction()
OUT：
Prediction Range: 2017-01-23 to 2018-01-23.
Predicted price on 2018-01-20 = $855.17.
Actual price on 2018-01-19 = $1294.58.
Average Absolute Error on Training Data = $18.23.
Average Absolute Error on Testing Data = $164.56.
When the model predicted an increase, the price increased 56.64% of the time.
When the model predicted a decrease, the price decreased 43.81% of the time.
The actual value was within the 80% confidence interval 24.10% of the time.
优化：
Changepoint Prior Scale
该参数指定了突变点的权重，突变点就是那些突然上升，下降，或者是幅度突然变化明显的
权重大了，模型就会越符合于我们当前的训练数据集，但是过拟合也更大了。
权重小了，模型可能就欠拟合了，达不到我们预期的要求了。
选择了4组参数[0.001, 0.05, 0.1, 0.2]来观察结果
amazon.changepoint_prior_analysis(changepoint_priors=[0.001, 0.05, 0.1, 0.2])
- 先来看蓝色的线，它的参数值设置的是最小的，看起来它在自己玩自己的，非常平均，但是欠拟合很明显
- 对于黄色的线，它非常接近于我们的训练数据集，层次鲜明，但是过拟合问题又很头疼
- 默认的参数是0.05，它在中间位置
评估
根据训练集预测的的误差，测试集预测的误差进行评估
amazon.changepoint_prior_validation(start_date='2016-01-04', end_date='2017-01-03', changepoint_priors=[0.001, 0.05, 0.1, 0.2])
OUT:
Validation Range 2016-01-04 to 2017-01-03.
cps train_err train_range test_err test_range
0 0.001 44.475809 152.841613 149.373638 152.841541
1 0.050 11.203019 35.788779 152.033810 140.260382
2 0.100 10.722908 34.650575 152.903481 179.199686
3 0.200 9.725255 31.909034 127.604543 329.325001
咱们来试试更大的突变点值
amazon.changepoint_prior_validation(start_date='2016-01-04', end_date='2017-01-03', changepoint_priors=[0.25,0.4, 0.5, 0.6,0.7,0.8])
Validation Range 2016-01-04 to 2017-01-03.
OUT:
cps train_err train_range test_err test_range
0 0.25 9.252699 30.686445 114.198811 451.654025
1 0.40 8.546549 28.809594 78.462455 768.760178
2 0.50 8.421606 28.542588 72.964334 819.560631
3 0.60 8.253096 28.000743 66.301627 949.097852
4 0.70 8.177868 27.857483 66.585793 920.312754
5 0.80 8.142373 27.763866 67.160883 1013.350436
