美天然气期货价格预测

用Python对美天然气期货价格进行了预测。

（我Python不好，照猫画虎，如有不对，欢迎指正。）

采用非平稳时间序列分析。代码如下：

#-*- coding: utf-8 -*-

#arima时序模型

import pandas as pd

#参数初始化

discfile = 'D:/natgas/natgasprices3.xls'

forecastnum = 5

#读取数据，指定日期列为指标，Pandas自动将“日期”列识别为Datetime格式

data = pd.read_excel(discfile, index_col = u'Date')

#时序图

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签

plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号

data.plot()

plt.show()

#自相关图

plot_acf(data).show()

#平稳性检测

print(u'原始序列的ADF检验结果为：', ADF(data[u'Prices2']))

#返回值依次为adf、pvalue、usedlag、nobs、critical values、icbest、regresults、resstore

#差分后的结果

D_data = data.diff().dropna()

D_data.columns = [u'一阶差分']

D_data.plot() #时序图

plt.show()

plot_acf(D_data).show() #自相关图

plot_pacf(D_data).show() #偏自相关图

print(u'差分序列的ADF检验结果为：', ADF(D_data[u'一阶差分'])) #平稳性检测

#白噪声检验

print(u'差分序列的白噪声检验结果为：', acorr_ljungbox(D_data, lags=1)) #返回统计量和p值

data[u'Prices2']=data[u'Prices2'].astype(float)

pmax = 5 #

qmax = 5 #

bic_matrix = [] #bic矩阵

for p in range(pmax+1):

tmp = []

for q in range(qmax+1):

try: #存在部分报错，所以用try来跳过报错。

tmp.append(ARIMA(data, (p,1,q)).fit().bic)

except:

tmp.append(None)

bic_matrix.append(tmp)

bic_matrix = pd.DataFrame(bic_matrix) #从中可以找出最小值

p,q = bic_matrix.stack().idxmin() #先用stack展平，然后用idxmin找出最小值位置。

print(u'BIC最小的p值和q值为：%s、%s' %(p,q))

model = ARIMA(data, (p,1,q)).fit() #建立ARIMA(0, 1, 1)模型

model.summary2() #给出一份模型报告

model.forecast(9) #作为期5个月的预测，返回预测结果、标准误差、置信区间。

——————分割线——————

以上代码会输出如下结果：

这是去月度特性的走势图。（其实和真实数据的走势图相差不大）

做完一阶差分后会成为平稳序列。

预测值如下：

上述预测值为去月度特性之后的预测值，再乘以月度特性即得出最终预测结果。

黑底白字部分为最终预测结果。也就是6月价格会在2.859左右波动。

从目前走势来看，这个6月的预测值偏低，但不是太离谱。

从另一个角度说，目前的实际值偏高。

凡属预测，皆属娱乐。

但娱乐也可以玩儿得很认真。