文章 "数据科学与机器学习（第四十二部分）：使用Python中的ARIMA模型进行外汇时间序列预测 —— 您需要了解的一切"

[MetaQuotes]

新文章 数据科学与机器学习（第四十二部分）：使用Python中的ARIMA模型进行外汇时间序列预测 —— 您需要了解的一切已发布：

ARIMA，全称为自回归积分移动平均模型，是一种效果出色的传统时间序列预测模型。该模型能够捕捉时间序列数据中的突增与波动，可对后续数值做出精准预测。在本文中，我们将了解什么是ARIMA、如何运行，以及如何利用它高精度预测市场下一期价格，还有更多相关实用内容。

时间序列预测，是利用历史数据预测按时间排序的数据点未来取值的过程。这类数据通常按时间顺序排列，因此被称为时间序列。

尽管数据中可以包含任意多的特征变量，但任何用于时间序列分析或预测的数据，都必须包含以下两个变量：

1. 时间
   
   作为自变量，表示各个数据点被观测到的具体时间。
   
   
2. 目标变量
   
   即您希望基于历史观测值（以及可能的其他因素）预测的数值。（例如：每日股票收盘价、每小时气温、每分钟网站访问量）。

作者：Omega J Msigwa

[Philip Kym Sang Nelson]

令人惊叹的内容。

正是我想要的。

可能不会在交易中使用它，但非常有趣。

第一次听说 ARIMA 是在 Perry J Kaufman 的《交易系统与方法》一书中。

有人使用 ARIMA 成功交易过吗？