lstm代码_ARIMA时间序列与LSTM神经网络的PK

作者：李应硕，人大在读
授权转载 收藏順便 点个 赞 ，创作不易

前言：时间序列算是我接触的第一个统计学实践项目，也是它把我带进了机器学习的大门。当时的我的工作是根据过往投资和赎回量，每天预估一个需要留的钱，有点类似银行准备金。我本想自己写个代码，无奈能力不足，最后让算法工程师帮我写了一套，每天预测准确率大约90%。回头过了1年多我现在都不会，当时肯定写不出来了。正好这周末学习统计预测，上课老师讲的是ARIMA模型为主，不过老师也说了目前要更高的准确率推荐神经网络。正好我也查到了神经网络相关代码，尝试做一个ARIMA与神经网络结果比对。同时也是为了十月有一个预测比赛打基础。

一、ARIMA模型

ARIMA模型于1982年提出，是时间序列预测分析方法之一。ARIMA（p，d，q）中，AR是"自回归"，p为自回归项数；MA为"滑动平均"，q为滑动平均项数，d为使之成为平稳序列所做的差分次数（阶数）。后面ARIMA模型我是用R语言来实现的。

第一步：安装包；主要用到forecast需要下载以便预测。

第二步：下载导入数据

这里以最近两年ICBC的的历史股票行情为例。数据是2017年4月5日至2019年9月20日每天股票最高价。根据以往数据预测9月23日至9月27日ICBC股价（最高价），下载数据可见后文lstm模型开头有下载办法。

#导入下载的数据

w<-read.table("F:/ML/习题数据、案例数据、R代码/data/i.csv",sep=",",header = T)

x<-ts(w$high,start=c(2017,4,5),frequency = 365)

plot(x)

第三步：对差分序列性质进行考察

#对差分序列性质考察

plot(diff(x))

acf(diff(x))

pacf(diff(x))

结果如下图：