1.数据获取 import pandas as pd import datetime import pandas_datareader.data as web import matplotlib.pyplot as plt import seaborn as sns from statsmodels.tsa.arima_model import ARIMA from statsmodels.graphics.tsaplots import plot_acf, plot_pacf #可以适用接口从雅虎获取股票数据 start=datetime.datetime(2000,1,1) end=da

matlab内含BP、RBF、Elman神经网络等模型，用于时间序列预测，比较基础，应用简单，比较容易上手。

MatrixProfile MatrixProfile是Matrix Profile Foundation为您提供的Python 3库，用于挖掘时间序列数据。 Matrix Profile是一种新颖的数据结构，具有由UC-Riverside的Keogh和Mueen研究小组和新墨西哥大学开发的相应算法（踩踏，体制，主题等）。 该库的目的是通过标准化核心概念，简化的API和合理的默认参数值，使新手和专家都可以使用这些算法。 除了此Python库之外，Matrix Profile Foundation还提供了其他语言的实现。 这些语言具有相当一致的API，使您可以轻松地在它们之间进行切换，而无需花费大量学习时间。 tsmp -R实现 go-matrixprofile -Golang实现 Python支持 当前，我们支持以下版本的Python： 3.5 3.6 3.7 3.8 3

基于混沌时间序列分析的股票价格预测致力于为大家提供学习、参考最实用的资源，对基于混沌时间序列分析的...该文档为基于混沌时间序列分析的股票价格预测，是一份很不错的参考资料，具有较高参考价值，感兴趣的可以下载看看

基于新颖输入表达的CRBM时间序列预测模型，任永攀，毛京丽，深度学习通过多层神经网络能够提取更深层次的信息，已经在图像预测领域取得了较好的性能，其中条件受限玻耳兹曼机(CRBM)模型，因考

以工程量清单计价模式为基础,提出时间序列预测工程造价方法。在分析介绍时间序列检验、建模和预测原理的基础上,以钢材价格为对象进行时间序列分析。提取钢材价格趋势项,对价格残差项进行时间序列建模,获得钢材价格模型。对钢材价格进行预测分析,获得了2011年第一季度钢材价格,与实际价格对比分析发现预测价格误差在5%以内,预测值可以用于建筑工程造价预测中。以工程量清单计价模式为基础的时间序列预测方法,在建筑工程造价中可以得到广泛应用。

贝叶斯占卜/与企业对话 使用贝叶斯工具包进行时间序列分析和预测 在会议上提出的有关贝叶斯结构时间序列和代码的演示。 / /

分解数据： 时间序列稳定化 测试方法： 测试序列稳定性： 看以看到整体的序列并没有到达稳定性要求，要将时间序列转为平稳序列，有如下几种方法：DeflationbyCPI Logarithmic（取对数）

很好的描述了如何将人工智能之循环神经网络运用于金融之股票市场的预测，包括特征处理，标准化，结论，与传统机器学习的效果进行比较

奇异频谱分析 用于执行奇异频谱分析（SSA）的软件包 简单用法 下面的示例创建了一个具有两个强烈季节性成分的模拟信号。 主要输入函数是analyze(y,L) ，该函数返回趋势和季节成分。 y是要分解的信号， L是要用于内部嵌入的窗口长度。 using SingularSpectrumAnalysis, Plots # generate some data L = 20 # Window length K = 100 N = K * L; # number of datapoints t = 1 : N; # Time vector T = 20 ; # period of main oscillation y