Timeseries homework 源码

第10单元-未来的日元 时间序列预测 在此笔记本中,我们加载历史美元兑日元汇率期货数据,并应用时间序列分析和建模来确定是否存在任何可预测的行为: 使用Hodrick-Prescott过滤器进行分解(将结算价格分解为趋势和噪声)。 使用ARMA模型预测回报。 使用ARIMA模型预测结算价。 使用GARCH预测波动率。 线性回归预测 在此笔记本中,我们构建了一个Scikit-Learn线性回归模型,以预测日元期货(“定居”)的收益以及滞后的日元期货收益和分类日历的季节性影响(例如,星期几或一年中的每周季节影响) : 数据准备(创建退货和滞后退货并将数据分为训练和测试数据) 拟合线性回归模型。 使用测试数据进行预测。 样本外性能。 样品中性能。