时序模式

1. 时序模式

1.1 问题引入

下个月的商品销量、销售额或库存量是多少？
明天广州市的最高用电负荷是多少？
序列模式的概念
时序模式：描述基于时间或其他序列的经常发生的规律或趋势，并对其建模。
序列模式将关联和时间序列模式结合起来，重点考虑数据之间维度上的关联性。

1.2 序列模式的内容

时间序列分析
序列发现
时间序列的组合成分
时间序列的组合模型

2. 时间序列分析

2.1 序列分析的基本内容

用已有的数据序列预测未来。在时间序列分析中，数据的属性值随着时间不断变化的。回归不强调数据的先后顺序，而时间序列要考虑日历的影响，如节假日等。

3. 序列发现

3.1 序列分析的定义

序列分析指的是用于确定数据之间与时间相关的序列模式。这些模式与在数据（或者事件）中发现的相关的关联规则很相似，只是这些序列是与时间相关的。

3 时间序列组合成分

3.1 时间序列变化的影响因素

时间序列的变化主要受到长期趋势、季节变动、周期变动和不规则变动这四个因素的因素
1. 长期趋势因素（T）：反映了经济现象在一个较长时间内的发展方向，它可以在一个相当长的时间内表现为一种近似直线的持续向上或持续向下或平稳的趋势。
2. 季节变动因素（S）是经济现象首季节变动影响所形成的一种长度和幅度固定的周期波动。
3. 周期变动因素（C）也称循环变动因素，它是受各种经济因素影响形成的上下起伏不定的波动。
4. 不规则变动因素（I）不规则变动又称随机变动，它是受各种偶然因素所形成的不规则变动。

4 常见的时序算法

4.1 常见的序列分析及使用范围

5 时序算法实战案例

5.1 股票收益率回归分析

自变量：个股的收益率
应变量：大盘的收益率
通过OLS探索是否存在关系

5.2 算法的原理

使用股票数据，并利用最小二乘法拟合股票数据的收益情况，算法采用线性回归的方式

5.3 资源

工具库

matplotlib
tushare
numpy
statsmodels

完整代码

# -*- coding: utf-8 -*-import matplotlib.pylab as plt
from matplotlib.pylab import style
import tushare as ts
import numpy as np
import statsmodels.api as smstyle.use('ggplot')     # 设置图片显示的主题样式# 解决matplotlib显示中文问题
plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题def get_log_return(price_data):"""计算对数收益率参数===price_data: Series类型价格/指数数据返回===log_return: 对数收益率"""log_return = np.log(price_data / price_data.shift(1))return log_returndef run_main():"""主函数"""# 2016年上证指数记录# sh_data = ts.get_k_data(code='sh', start='2016-01-01', end='2017-01-01')sh_data = ts.get_k_data(code='hs300', start='2016-01-01', end='2017-01-01')sh_data['log_return'] = get_log_return(sh_data['close'])# 2016年某支股票记录stock_data = ts.get_k_data(code='sz', start='2016-01-01', end='2017-01-01')# stock_data = ts.get_k_data(code='300003', start='2016-01-01', end='2017-01-01')stock_data['log_return'] = get_log_return(stock_data['close'])y = sh_data['log_return'].dropna().valuesx = stock_data['log_return'].dropna().valuesx_cons = sm.add_constant(x)res_ols = sm.OLS(y, x_cons).fit()print(res_ols.summary())fig, ax = plt.subplots(figsize=(8, 6))ax.plot(x, y, 'bo', label="data")ax.plot(x, res_ols.fittedvalues, 'r--', label="OLS")ax.legend(loc='best')plt.show()if __name__ == '__main__':run_main()

二十四、数据挖掘时序模式相关推荐

（二十四）解释器模式详解
作者:zuoxiaolong8810(左潇龙),转载请注明出处. 解释器模式是平时工作当中相对冷门的一个设计模式,也非常的难于理解,百度百科上的解释也非常之少,只是简单的介绍了一下,并且说了一句,可以 ...
设计模式（二十四）解释器模式
#1 场景问题# ##1.1 读取配置文件## 考虑这样一个实际的应用,维护系统自定义的配置文件. 几乎每个实际的应用系统都有与应用自身相关的配置文件,这个配置文件是由开发人员根据需要自定义的,系统运 ...
设计模式笔记二十四：模板模式
原文:http://www.runoob.com/design-pattern/ 少许个人理解,如有错误请指出.欢迎一起讨论(本文大部分转自原文) 在模板模式(Template Pattern)中,一 ...
云计算设计模式（二十四）——仆人键模式
云计算设计模式(二十四)--仆人键模式使用一个令牌或密钥,向客户提供受限制的直接訪问特定的资源或服务,以便由应用程序代码卸载数据传输操作. 这个模式是在使用云托管的存储系统或队列的应用中特别实用,而 ...
山海演武传·黄道·第一卷雏龙惊蛰第二十二 ~ 二十四章真龙之剑·星墟列将...
山海演武传·黄道·第一卷雏龙惊蛰第二十二 ~ 二十四章真龙之剑·星墟列将 "我是第一次--请你,请你温柔一点--"少女一边娇喘着,一边将稚嫩的红唇紧贴在男子耳边,樱桃小嘴盈溢 ...
FreeSql （二十四）Linq To Sql 语法使用介绍
原本不支持 IQueryable 主要出于使用习惯的考虑,如果继承 IQueryable,编写代码的智能总会提示出现一堆你不想使用的方法(对不起,我有强迫症),IQueryable 自身提供了一堆没法 ...
Docker最全教程之MySQL容器化（二十四）
Docker最全教程之MySQL容器化 (二十四) 原文:Docker最全教程之MySQL容器化 (二十四) 前言 MySQL是目前最流行的开源的关系型数据库,MySQL的容器化之前有朋友投稿并且写过 ...
OpenCV学习(二十四）：角点检测(Corner Detection):cornerHarris(),goodFeatureToTrack()
OpenCV学习(二十四 ):角点检测(Corner Detection):cornerHarris(),goodFeatureToTrack() 参考博客: Harris角点检测原理详解 Harri ...
cad怎么选择一个对象打散vba_CAD制图的二十四字秘诀！
就像练武一样,原来CAD也有相应的二十四字秘诀,没想到吧. 当然,倘若大家觉得记住这"秘诀"就能成为一名出色的CAD设计师,那您就真的想多了,做比记住难很多. 但,如果没有大神总结 ...
Stduino学习（二十四）敲击传感器模块
37种传感器(二十四)敲击传感器模块+Stduino Nano&UNO 本文转载自:http://www.stduino.com/forum.php?mod=viewthread&ti ...

二十四、数据挖掘时序模式

时序模式

1. 时序模式

1.1 问题引入

1.2 序列模式的内容

2. 时间序列分析

2.1 序列分析的基本内容

3. 序列发现

3.1 序列分析的定义

3 时间序列组合成分

3.1 时间序列变化的影响因素

4 常见的时序算法

4.1 常见的序列分析及使用范围

5 时序算法实战案例

5.1 股票收益率回归分析

5.2 算法的原理

5.3 资源

二十四、数据挖掘时序模式相关推荐

最新文章

热门文章