Python 中的时间序列分析

学习如何使用 Python 进行时间序列分析

从股票价格到气候数据，您可以在各种领域中找到时间序列数据。 对于数据科学家来说，具备有效处理此类数据的能力正变得越来越重要。 本课程将向您介绍 Python 中的时间序列分析。

在了解什么是时间序列之后，你将探索多种时间序列模型，从自回归模型和移动平均模型到协整模型。 一路上，你将学习如何使用 Python 中的统计库来估计、预测和模拟这些模型。

您将看到这些模型的众多使用示例，尤其侧重于金融领域的应用。

了解如何使用时间序列方法

你将首先学习时间序列数据的基础知识，以及简单线性回归。 你将学习相关性和自相关的概念，以及它们如何应用于时间序列数据，然后再探索一些简单的时间序列模型，例如白噪声和随机游走。 接下来，你将探索自回归（AR）模型如何用于时间序列数据，以预测当前值，以及移动平均模型如何与AR模型结合，生成强大的ARMA模型。

最后，你将了解如何使用协整模型对两个序列进行联合建模，然后再查看一个真实案例研究。

探索用于时间序列分析的 Python 模型和库 在本课程结束时，你将了解 Python 中的时间序列分析是如何工作的。 你将了解一些能够帮助你完成这一过程的模型、方法和库，并知道如何为自己的分析选择合适的工具。

这门课程是更广泛的 Python 时间序列学习路径的一部分，该学习路径提供五门课程，帮助你掌握这项数据科学技能。