項(xiàng)目六創(chuàng)建財(cái)務(wù)初階應(yīng)用模型任務(wù)六利用時(shí)間序列，預(yù)測(cè)股價(jià)變動(dòng)趨勢(shì)創(chuàng)建股票價(jià)格變動(dòng)預(yù)測(cè)模型業(yè)務(wù)背景：股票投資是財(cái)富增值的重要手段，但其價(jià)格受宏觀經(jīng)濟(jì)、公司基本面和市場(chǎng)情緒等多因素影響，具有高度不確定性和復(fù)雜性。智融創(chuàng)想集團(tuán)財(cái)務(wù)人員整理了某股票近200天的價(jià)格數(shù)據(jù)，以預(yù)測(cè)其變動(dòng)趨勢(shì)并制定投資策略。為便于查看，僅展示前10行，如右表所示。創(chuàng)建股票價(jià)格變動(dòng)預(yù)測(cè)模型構(gòu)建ARIMA模型：需導(dǎo)入必要模塊。時(shí)間序列要求：平穩(wěn)的非白噪聲序列。導(dǎo)入函數(shù)：從statsmodels庫(kù)中導(dǎo)入adfuller函數(shù)。從statsmodels庫(kù)中導(dǎo)入acorr_ljungbox函數(shù)。adfuller函數(shù)：用于ADF單位根檢驗(yàn)，判斷序列是否平穩(wěn)。acorr_ljungbox函數(shù)：用于Ljung-Box檢驗(yàn)，判斷殘差是否為白噪聲序列。從Excel文件中讀取股票價(jià)格變動(dòng)數(shù)據(jù)，并將日期列設(shè)置為索引。隨后，將數(shù)據(jù)轉(zhuǎn)換為日頻率格式，以便進(jìn)行后續(xù)的時(shí)間序列分析。創(chuàng)建股票價(jià)格變動(dòng)預(yù)測(cè)模型對(duì)股票價(jià)格歷史變動(dòng)金額數(shù)據(jù)進(jìn)行可視化展示，以便更直觀地觀察數(shù)據(jù)特征。創(chuàng)建股票價(jià)格變動(dòng)預(yù)測(cè)模型對(duì)股票價(jià)格歷史變動(dòng)金額數(shù)據(jù)進(jìn)行可視化展示，以便更直觀地觀察數(shù)據(jù)特征。（圖例為上述任務(wù)的輸出結(jié)果）創(chuàng)建股票價(jià)格變動(dòng)預(yù)測(cè)模型定義函數(shù)：自定義adf_test函數(shù)，輸入為時(shí)間序列。執(zhí)行檢驗(yàn)：使用adfuller()函數(shù)進(jìn)行ADF單位根檢驗(yàn)。輸出結(jié)果：返回ADF統(tǒng)計(jì)量、p值及不同顯著性水平下的臨界值。創(chuàng)建股票價(jià)格變動(dòng)預(yù)測(cè)模型比較p值：若p值小于0.05，則數(shù)據(jù)平穩(wěn)。比較ADF統(tǒng)計(jì)量：若ADF統(tǒng)計(jì)量小于5%顯著性水平下的臨界值，則數(shù)據(jù)平穩(wěn)。綜合判斷：根據(jù)上述兩個(gè)條件判斷數(shù)據(jù)是否平穩(wěn)。（圖例為上頁(yè)任務(wù)后續(xù)）創(chuàng)建股票價(jià)格變動(dòng)預(yù)測(cè)模型原始數(shù)據(jù)平穩(wěn)性檢驗(yàn)：檢驗(yàn)發(fā)現(xiàn)原始數(shù)據(jù)不平穩(wěn)。一階差分操作：對(duì)股票變動(dòng)價(jià)格時(shí)間序列stock_price進(jìn)行一階差分，降低趨勢(shì)性。差分后數(shù)據(jù)檢驗(yàn)：調(diào)用adf_test()函數(shù)對(duì)差分后的diff_price進(jìn)行ADF檢驗(yàn)。檢驗(yàn)結(jié)果：差分后的diff_price滿(mǎn)足平穩(wěn)性要求。創(chuàng)建股票價(jià)格變動(dòng)預(yù)測(cè)模型

時(shí)間序列要求：不能是白噪聲。Ljung-Box檢驗(yàn)：用于判斷時(shí)間序列是否為白噪聲。檢驗(yàn)方法：計(jì)算序列在多個(gè)滯后期（如1天、2天……10天）的自相關(guān)系數(shù)。判斷依據(jù)：綜合評(píng)估自相關(guān)系數(shù)的顯著性，判斷序列是否存在自相關(guān)性。常用滯后期：股票價(jià)格分析中，滯后10期是常用選擇。ARIMA模型的應(yīng)用條件

Ljung-Box檢驗(yàn)假設(shè)：時(shí)間序列是白噪聲，觀測(cè)值之間無(wú)自相關(guān)性。p值含義：在原假設(shè)為真的情況下，觀察到當(dāng)前或更極端序列的概率。判斷標(biāo)準(zhǔn)：如果p值小于顯著性水平（如0.05），拒絕原假設(shè)，認(rèn)為序列存在自相關(guān)性，適合用ARIMA模型。如果p值大于或等于顯著性水平，沒(méi)有足夠證據(jù)拒絕原假設(shè)，即序列可能是白噪聲。ARIMA模型的應(yīng)用條件Ljung-Box檢驗(yàn)結(jié)果：在1至10滯后階數(shù)下，p值均小于0.05。結(jié)論：時(shí)間序列diff_price在各滯后期存在顯著自相關(guān)性。判定：diff_price非白噪聲。建議：適合采用ARIMA模型進(jìn)行分析與預(yù)測(cè)。創(chuàng)建股票價(jià)格變動(dòng)預(yù)測(cè)模型ACF圖：顯示序列在不同滯后期的自相關(guān)性。PACF圖：展示排除其他滯后期影響后，某一特定滯后期與當(dāng)前值的直接相關(guān)性。確定模型參數(shù)：通過(guò)觀察ACF圖和PACF圖中的系數(shù)，確定ARIMA模型的p和q值。創(chuàng)建股票價(jià)格變動(dòng)預(yù)測(cè)模型ACF和PACF圖：展示一階差分后時(shí)間序列的自相關(guān)性和偏自相關(guān)性。藍(lán)色豎線(xiàn)：表示不同滯后期的自相關(guān)系數(shù)或偏自相關(guān)系數(shù)。藍(lán)色陰影區(qū)域：表示置信區(qū)間。置信區(qū)間作用：用于判斷特定滯后期的系數(shù)是否顯著。（圖例為上頁(yè)任務(wù)后續(xù)）創(chuàng)建股票價(jià)格變動(dòng)預(yù)測(cè)模型滯后1期顯著性：ACF圖：滯后1期的自相關(guān)系數(shù)超出置信區(qū)間，表明t時(shí)間點(diǎn)的差分值與t-1時(shí)間點(diǎn)的差分值有顯著線(xiàn)性關(guān)系。PACF圖：滯后1期的偏自相關(guān)系數(shù)超出置信區(qū)間，表明在控制其他滯后期影響后，兩者仍有顯著線(xiàn)性關(guān)系。滯后2期及以后不顯著：ACF圖：從滯后2期開(kāi)始，自相關(guān)系數(shù)均處于置信區(qū)間內(nèi)，表明t時(shí)間點(diǎn)的差分值與t-n（n≥2）時(shí)間點(diǎn)的差分值無(wú)顯著線(xiàn)性關(guān)系。PACF圖：從滯后2期開(kāi)始，偏自相關(guān)系數(shù)均處于置信區(qū)間內(nèi)，表明在排除中間滯后期影響后，兩者無(wú)顯著直接線(xiàn)性關(guān)系。圖例分析根據(jù)ARIMA模型定階的規(guī)則，通過(guò)觀察ACF和PACF圖，確定ARIMA模型的參數(shù)。一階差分后：PACF圖顯示滯后2期及以后的偏自相關(guān)系數(shù)不顯著，確定自回歸階數(shù)p=1。ACF圖顯示滯后1期的自相關(guān)系數(shù)顯著，之后不顯著，確定移動(dòng)平均階數(shù)q=1。綜上，建議使用ARIMA(1,1,1)模型進(jìn)行擬合與分析。ARIMA模型定階的規(guī)則構(gòu)建ARIMA模型，對(duì)股票價(jià)格變動(dòng)的時(shí)間序列進(jìn)行擬合，使模型生成的理論值與實(shí)際觀測(cè)值盡可能接近。創(chuàng)建股票價(jià)格變動(dòng)預(yù)測(cè)模型模型擬合結(jié)果顯示：AR系數(shù)為0.6400，P值為0.000，顯著，表明前一期值對(duì)當(dāng)前值有顯著正向影響。MA系數(shù)為-0.3995，P值為0.060，接近顯著性水平0.05，表明前一期誤差對(duì)當(dāng)前誤差有負(fù)向影響，但影響較弱。（圖例為上述任務(wù)的輸出結(jié)果）創(chuàng)建股票價(jià)格變動(dòng)預(yù)測(cè)模型根據(jù)已經(jīng)擬合好的ARIMA模型，調(diào)用forecast方法對(duì)股票價(jià)格變動(dòng)時(shí)間序列進(jìn)行預(yù)測(cè)。創(chuàng)建股票價(jià)格變動(dòng)預(yù)