python - 时间序列预测(最终使用 python)

Question

已结束。此问题不符合 Stack Overflow guidelines .它目前不接受答案。

---

我们不允许提出有关书籍、工具、软件库等方面的建议的问题。您可以编辑问题，以便用事实和引用来回答它。

关闭 3 年前。

Improve this question

• 有哪些算法可用于时间序列预测/回归？
  • 使用神经网络怎么样？ (关于这个主题的最佳文档？)
  • 是否有可以提供帮助的 Python 库/代码片段？

Answer 1

时间序列回归的经典方法是:

• auto-regressive models (有关于他们的全部文献)

• Gaussian Processes

• 傅里叶分解或类似方法提取信号的周期性分量(即数据中隐藏的振荡)

我知道的其他不太常见的方法是

• Slow Feature Analysis ，一种提取时间序列驱动力的算法，例如 parameters behind a chaotic signal

• 神经网络 (NN) 方法，使用循环神经网络(即，用于处理时间信号)或经典前馈神经网络，接收过去数据的输入部分并尝试预测 future 的某个点;后者的优点是已知循环神经网络在考虑遥远的过去方面存在问题

在我看来，对于财务数据分析，不仅要获得时间序列的最佳猜测外推，还要获得可靠的置信区间，因为由此产生的投资策略可能会因此而大不相同。概率方法，如高斯过程，“免费”为您提供，因为它们返回可能的 future 值的概率分布。使用经典统计方法，您将不得不依赖 bootstrapping techniques .

提供统计和机器学习工具的 Python 库有很多，以下是我最熟悉的:

• NumPy和 SciPy是 Python 科学编程的必备工具
• R 有一个 Python 接口(interface)，称为 RPy
• statsmodel包含经典的统计模型技术，包括自回归模型；它适用于 Pandas ，一个流行的数据分析包
• scikits.learn , MDP , MLPy , Orange是机器学习算法的集合
• PyMC一个实现贝叶斯统计模型和拟合算法的 python 模块，包括马尔可夫链蒙特卡罗。
• PyBrain包含(除其他外)前馈和循环神经网络的实现
• 在 Gaussian Process site有一个 GP 软件列表，包括两个 Python 实现
• mloss是一个开源机器学习软件的目录