arima预测python程序

#-*- coding: utf-8 -*-

from __future__ import print_function
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import statsmodels.api as sm

#读取Excel数据
discfile = ‘C:\\Users\\AAS-1413\\Desktop\\shuang11.xlsx‘
data = pd.read_excel（discfileindex_col=0）
data=data[‘number‘]
data.head（）

data.plot（figsize=（128））
print（data）

#使用一阶差分，12步差分处理时间序列
diff_1 = data.diff（1）
diff1 = diff_1.dropna（）

#print（diff1_144_1）
#判断序列是否平稳，计算ACF，PACF
fig1 = plt.figure（figsize=（128））
ax1=fig1.add_subplot（111）
sm.graphics.tsa.plot_acf（diff1lags=3ax=ax1）
fig2 = plt.figure（figsize=（128））
ax2=fig2.add_subplot（111）
sm.graphics.tsa.plot_pacf（diff1lags=3 ax=ax2）

#模型定阶，根据aicbichqic三者都是越小越好
# arma_mod01 = sm.tsa.ARMA（diff1_144（01））.fit（）
# print（arma_mod01.aicarma_mod01.bicarma_mod01.hqic）
# arma_mod10 = sm.tsa.ARMA（diff1_144（10））.fit（）
# print（arma_mod10.aicarma_mod10.bicarma_mod10.hqic）
# arma_mod60 = sm.tsa.ARMA（diff1_144（60））.fit（）
# print（arma_mod60.aicarma_mod60.bicarma_mod60.hqic）
arma_mod61 = sm.tsa.ARMA（diff1（11））.fit（）
print（arma_mod61.aicarma_mod61.bicarma_mod61.hqi