python金融建模实例

python金融建模实例

原标题：【手把手教你】使用Python玩转金融时间序列模型

01 引言

上一篇推文《Python量化基础：时间序列的自相关性与平稳性》着重介绍了时间序列的一些基础概念，包括自相关性、偏自相关性、白噪声和平稳性，以及Python的简单实现。本文在此基础上，以沪深300指数收益率数据为例，探讨如何使用Python对平稳时间序列进行建模和预测分析。时间序列经典模型主要有自回归模型AR，移动回归模型MA，移动自回归模型ARMA，以及差分移动自回归模型ARIMA，今天主要介绍这四种模型的基本原理以及Python的实现步骤。

02 AR模型

AR模型全称为Autoregressive Models，即自回归模型，用于刻画因变量能由它的多个滞后项表示。p阶自回归模型可以写成：

下面模拟一个AR(1)模型。

import pandas as pd

import numpy as np

import statsmodels.tsa.api as smt

#tsa为Time Series analysis缩写

import statsmodels.api as sm

import scipy.stats as scs

from arch import arch_model

#画图

import matplotlib.pyplot as plt

import matplotlib as mpl

%matplotlib inline

#正常显示画图时出现的中文和负号

from pylab import mpl