时间序列_seasonal_decompose使用移动平均线进行季节性分解

在公众号「python风控模型」里回复关键字：学习资料

statsmodels.tsa.seasonal.seasonal_decompose使用移动平均线进行季节性分解

=============================================================

所谓分解就是将时序数据分离成不同的成分，分解有：

长期趋势Trend、季节性seasonality和随机残差residuals

statsmodels使用的X-11分解过程，它主要将时序数据分离成长期趋势、季节趋势和随机成分。与其它统计软件一样，statsmodels也支持两类分解模型，加法模型和乘法模型，model的参数设置为"additive"（加法模型）和"multiplicative"（乘法模型）。

首先看看函数

statsmodels.tsa.seasonal.seasonal_decompose（x，model = 'additive'，filt = None，period = None，two_side = True，extrapolate_trend = 0）

参数：

x：array_like，被分解的数据

model：{“additive”, “multiplicative”}, optional，“additive”（加法模型）和"multiplicative"（乘法模型）

fil：tarray_like, optional，用于滤除季节性成分的滤除系数。滤波中使用的具体移动平均法由two_side确定

period：int, optional，系列的时期。如果x不是pandas对象或x的索引没有频率，则必须使用。如果x是具有时间序列索引的pandas对象，则覆盖x的默认周期性。

two_sided：bool, optional，滤波中使用的移动平均法。如果为True（默认），则使用filt计算居中的移动平均线。如果为False，则滤波器系数仅用于过去的值

extrapolate_trend：int or ‘freq’, optional，如果设置为> 0，则考虑到许多（+1）最接近的点，由卷积产生的趋势将在两端外推线性最小二乘法（如果two_side为False，则为单一个最小二乘）。如果设置为“频率”，请使用频率最近点。设置此参数将导致趋势或残油成分中没有NaN值。

具体例子，数据我暂时找不出来，到时候再补上，再替换，现在主要任务是知道怎么用法，以及返回是什么

# 下面深入分解：长期趋势Trend、季节性seasonality和随机残差residuals。# 强行补充小知识：平稳性处理之“分解”
# 所谓分解就是将时序数据分离成不同的成分。statsmodels使用的X-11分解过程，它主要将时序数据分离成长期趋势、季节趋势和随机成分。
# 与其它统计软件一样，statsmodels也支持两类分解模型，加法模型和乘法模型，model的参数设置为"additive"（加法模型）和"multiplicative"（乘法模型）。import statsmodels.api as sm  # 导入统计建模模块
# multiplicative
res = sm.tsa.seasonal_decompose(ts.values,freq=12,model="multiplicative")
# 这里用到的.tsa.seasonal_decompose()函数，经尝试：参数ts.values时，横坐标是Time；参数ts时，横坐标是date_block_num。其他不变。
# freg这个参数容后研究，这里暂且猜测是周期12个月。# plt.figure(figsize=(16,12))
fig = res.plot()
# fig.show()  # 此句，可加可不加。# 得到不同的分解成分，接下来可以使用时间序列模型对各个成分进行拟合。

QQ学习群：1026993837 领资料
seasonal_decompose使用移动平均线进行季节性分解就为大家介绍到这里，欢迎各位学习《呆瓜半小时入门python数据分析》bye！

时间序列_seasonal_decompose使用移动平均线进行季节性分解相关推荐

statsmodels.tsa.seasonal.seasonal_decompose使用移动平均线进行季节性分解
所谓分解就是将时序数据分离成不同的成分,分解有:长期趋势Trend.季节性seasonality和随机残差residuals statsmodels使用的X-11分解过程,它主要将时序数据分离成长期趋 ...
【Python】Python时间序列预测 | 经典季节性分解
今天给大家分享一种方法,,时间序列预测之seasonal_decompose使用移动平均线对时间序列数据进行季节性分解,Python实现和原理介绍.这是我在学习时间序列异常检测时遇到的一个问题,通过收 ...
Matlab正态分布、历史模拟法、加权移动平均线 EWMA估计风险价值VaR和回测标准普尔指数 SP500时间序列...
原文链接:http://tecdat.cn/?p=24480 此示例说明如何使用三种方法估计风险价值 (VaR) 并执行 VaR 回测分析.这三种方法是:(点击文末"阅读原文"获取 ...
【时间序列】从移动平均到指数平滑
移动平均移动平均法是用一组最近的实际数据来预测未来一期或几期内目标值的常用方法.移动平均法适用于即期预测,当时间序列不会快速变化,且不存在季节性因素的时候,移动平均法能有效地消除预测中的随机波动,对 ...
股票移动平均线matlab,股票的移动平均线 (图文)
股票的移动平均线 [泸指]股票的移动平均线移动平均线是个强大的工具,能够更清晰地展示一系列无规律的数值变化 (比如股市波动).此外,泸指移动平均线还可别除任何周期性变化(正常的季节性温度变化)的影响 ...
numpy移动平均线布林带线性模型趋势线
移动平均线简单移动平均线关键函数: np.convolve() 简单移动平均线是数列与等权重的指示函数的卷积 import sys import numpy as np import matplo ...
java 计算移动平均线_基于Java语言开发的个性化股票分析技术：移动平均线(MA)...
基于Java语言开发的个性化股票分析技术:移动平均线(MA) 基于 Java 语言开发的个性化股票分析技术:移动平均线(MA)移动平均线(MA)是以道·琼斯的"平均成本概念"为理论 ...
Boost：简单移动平均线的测试程序
Boost:简单移动平均线的测试程序实现功能 C++实现代码实现功能 Boost的compute模块,Boost:简单移动平均线的测试程序 C++实现代码 #include <iostrea ...
移动平均线ma分析_使用动态移动平均线构建交互式库存量和价格分析图
移动平均线ma分析 I decided to code out my own stock tracking chart despite a wide array of freely available ...

时间序列_seasonal_decompose使用移动平均线进行季节性分解

时间序列_seasonal_decompose使用移动平均线进行季节性分解相关推荐

最新文章

热门文章