7.数据的预测分析及可视化

7. 数据的预测分析及可视化

---

---

7. 数据的预测分析及可视化

在数据科学领域，预测分析与可视化是揭示数据动态规律、辅助决策的核心技术。本章围绕时间序列数据展开，结合Python代码演示动态数列的分析方法、预测模型构建及金融数据可视化，适合数据分析从业者、金融分析师及相关领域学习者参考。通过融入实际业务场景解析与模型选择逻辑，帮助读者建立完整的时间序列分析思维体系。

7.1 动态数列的基本分析

7.1.1 动态数列的介绍

7.1.1.1 动态数列的概念

动态数列（时间序列）是将同一统计指标在不同时间点的数值按时间顺序排列形成的序列，由时间维度和指标数值两部分构成。例如：

• 宏观经济领域：GDP年度数据、CPI月度数据
• 金融市场：股票日收盘价、债券收益率曲线
• 商业分析：电商平台月活跃用户数、门店周销售额

其核心价值在于通过时序数据的纵向对比，揭示现象的长期趋势（T）、季节波动（S）、**周期循环（C）和随机波动（I）**四大构成要素，为业务预测提供底层数据支撑。例如通过分析某品牌手机过去三年的季度销量数据，可识别春节促销带来的季节效应与技术迭代引发的周期波动。

7.1.1.2 动态数列的构建

1. 时间序列数据预处理
   使用Pandas读取结构化数据时，需特别注意时间索引的规范性：

import pandas as pd 
# 配置数据展示格式（仅显示核心信息，避免输出冗余） 
pd.set_option('display.precision', 4)    # 数值精度控制 
pd.set_option('display.max_rows', 10)     # 限制表格展示行数 
# 读取多表单数据，构建时间序列对象 
YQdata = pd.read_excel('DaPy_data.xlsx', 'YQdata', index_col=0, parse_dates=True) 
QTdata = pd.read_excel('DaPy_data.xlsx', 'QTdata', index_col=0, parse_dates=True) 

• 通过index_col=0指定时间列作为索引，确保生成DatetimeIndex类型
• 建议使用pd.to_datetime()显式转换时间格式，处理非标准时间字符串
• 通过sort_index()保证时间顺序的正确性

2. 基础可视化验证
   绘制季度数据趋势图时，建议添加基础标注增强可读性：

ax = QTdata.plot(figsize=(10, 4), grid=True, title="季度数据趋势分析", ylabel="指标值") 
ax.xaxis.set_major_locator(plt.MaxNLocator(5))  # 控制x轴标签密度 
plt.show() 

图示价值：快速识别数据是否存在明显的上升 / 下降趋势、异常波动点或周期性模式（如零售数据的Q4峰值）。

3. 年度数据聚合实践
   从季度数据构建年度序列时，需注意业务逻辑对聚合方式的影响：

# 从时间索引中提取年份（处理格式为'YYYY-Q'的季度索引） 
QTdata['Year'] = QTdata.index.str[:4] 
# 按年份聚合GDP数据（业务场景：计算各年经济总量） 
YGDP = QTdata.groupby('Year')['GDP'].sum().sort_index() 

• 总量指标（如GDP、销售额）通常使用求和聚合
• 平均指标（如用户留存率、利润率）需使用加权平均
• 极值指标（如最高股价、最低气温）应提取最值

7.1.2 动态数列的分析维度

动态数列分析体系通过多维度指标矩阵，实现对数据动态特征的立体刻画：

7.1.2.1 绝对动态数列（水平分析）

1. 定基增长量核心逻辑：以固定基期（通常为业务起始期）为参照，衡量各期相对于初始状态的绝对变化量
   应用场景：

# 构建动态数列数据框（保留原始数据便于对比） 
YGDPds = pd.DataFrame(YGDP, columns=['原始值']) 
# 定基增长量 = 报告期值 - 基期值（基期为时间序列第一个数据点） 
YGDPds['定基增长量'] = YGDPds['原始值'] - YGDPds['原始值'].iloc[0] 

• 企业分析：计算各年营收相对于创业初期的累计增长额
• 科研领域：测量实验数据相对于基准值的绝对偏移量

2. 环比增长量核心逻辑：反映相邻两期的实际变化幅度，捕捉短期波动
   注意事项：

# 环比增长量 = 报告期值 - 前一期值（shift(1)实现数据滞后一阶） 
YGDPds['环比增长量'] = YGDPds['原始值'].diff(1) 

• 适用于短期趋势分析，对季节性数据需结合周期调整
• 当数据存在异常值时，建议使用移动平均后的序列计算

7.1.2.2 相对动态数列（速度分析）

1. 定基发展速度经济意义：反映长期发展总趋势，常用于规划完成度评估
   公式变形：$\text{定基发展速度}={\prod }_{i=1}^n\text{环比发展速度}$

# 定基比 = 报告期值 / 基期值（百分比形式需后续乘以100） 
YGDPds['定基发展速度'] = YGDPds['原始值'] / YGDPds['原始值'].iloc[0] 

2. 环比发展速度市场应用：

# 环比比 = 报告期值 / 前一期值（shift(1)获取前一期数据） 
YGDPds['环比发展速度'] = YGDPds['原始值'] / YGDPds['原始值'].shift(1) 

• 股票分析：计算每日股价相对于前一日的涨幅
• 零售行业：监测月度销售额环比增长率，识别促销活动效果

7.1.2.3 平均动态数列（趋势分析）

1. 几何平均法的适用条件
   当现象呈现连续性增长（如复利计算、技术迭代指数）时，几何平均法能更准确反映平均发展水平，避免算术平均对极端值的敏感性。

# 计算时间序列长度（需排除基期数据影响） 
n = len(YGDPds) - 1 
# 几何平均公式：(末期值/初期值)^(1/时间间隔) 
average_growth_rate = (YGDPds['原始值'].iloc[-1] / YGDPds['原始值'].iloc[0]) ** (1/n) 
print(f"平均发展速度：{average_growth_rate:.3%}")  # 输出百分比格式 

7.2 动态数列预测分析

7.2.1 趋势预测模型构建

7.2.1.1 模型选择决策树

1. 线性模型（一次趋势模型）假设条件：数据呈现稳定的线性增长，无明显加速 / 减速迹象
   代码增强：添加模型诊断步骤，检查残差是否符合正态分布

import numpy as np 
import matplotlib.pyplot as plt 
from scipy import stats 
# 生成模拟数据（斜率=2，截距=1） 
x = np.arange(1, 21)  # 时间序列（1-20期） 
y_linear = 1 + 2 * x + np.random.normal(0, 5, 20)  # 加入随机扰动 
# 最小二乘法拟合 
slope, intercept, r_value, p_value, std_err = stats.linregress(x, y_linear) 
plt.scatter(x, y_linear, label='原始数据') 
plt.plot(x, intercept + slope*x, 'r-', label=f'拟合线: y={slope:.2f}x + {intercept:.2f}') 

2. 非线性模型对比
   在同一坐标系绘制不同模型曲线，直观展示适用场景差异：

# 对数模型：适用于初期快速变化，后期趋于稳定的场景（如用户活跃度） 
y_log = 1 + 0.2 * np.log(x) 
# 指数模型：适用于持续加速增长场景（如病毒传播、技术扩散） 
y_exp = 0.2 * np.exp(0.1 * x) 
# 幂函数模型：适用于存在基数效应的增长（如电商GMV） 
y_pow = 0.2 * x**0.5 
plt.figure(figsize=(12, 6)) 
plt.plot(x, y_linear, 'o-', label='线性模型') 
plt.plot(x, y_log, 's-', label='对数模型') 
plt.plot(x, y_exp, 'd-', label='指数模型') 
plt.legend() 

7.2.1.3 线性模型建模全流程

1. 数据标准化处理
   当时间索引为年份（如2010-2023）时，建议转换为相对时间（1-14），避免数值过大影响模型收敛：

import statsmodels.api as sm 
# 因变量：年度GDP数据（需确保为平稳序列或通过差分处理） 
Yt = YGDP 
# 自变量：相对时间序列（从1开始，避免0值影响截距项） 
Xt = np.arange(1, len(Yt)+1) 

2. 模型诊断与优化

# 添加常数项（截距项） 
Xt = sm.add_constant(Xt) 
# 普通最小二乘法回归 
model = sm.OLS(Yt, Xt).fit() 
# 关键指标解读： 
# - R-squared：模型解释力（越接近1越好） 
# - Prob(F-statistic)：整体模型显著性 
# - coef：回归系数（b为趋势斜率，反映每期平均变化量） 
print(model.summary()) 

3. 非线性模型转换技巧
   当指数模型拟合效果更好时，可通过对数变换转化为线性问题：

# 对因变量取自然对数（假设y=ae^(bx)，则ln(y)=ln(a)+bx） 
Yt_log = np.log(Yt) 
model_log = sm.OLS(Yt_log, Xt).fit() 
# 还原预测值：exp(ln(a)+bx) = a*exp(bx) 
Yt_pred = np.exp(model_log.predict(Xt)) 

7.2.2 平滑预测方法对比

7.2.2.1 移动平均家族

方法	公式	适用场景	参数意义
简单平均法	$$\bar{y}t=\frac{1}{n}\sum {i=t-n+1}^t{y}_i$$	平稳无趋势序列	n：窗口大小
简单移动平均	同上	短期趋势识别	窗口越大，平滑效果越强
加权移动平均	$${\bar{y}}_t=\sum _{i=0}^{n-1}{w}_i{y}_{t-i}$$	重视近期数据的场景	$$w_i$$：权重系数

# 季度GDP数据平滑处理 
Qt = QTdata['GDP'] 
QtM = pd.DataFrame({'原始数据': Qt}) 
# 3期移动平均（反映短期波动） 
QtM['M3'] = Qt.rolling(window=3, min_periods=1).mean() 
# 5期移动平均（凸显长期趋势） 
QtM['M5'] = Qt.rolling(window=5, min_periods=3).mean() 

7.2.2.2 指数平滑进阶

双参数Holt模型（适用于有趋势的序列）：

from statsmodels.tsa.holtwinters import SimpleExpSmoothing 
# 初始化模型（设置初始水平和趋势参数） 
model_holt = SimpleExpSmoothing(Qt, initialization_method='estimated') 
# 拟合模型（设置平滑系数α和趋势系数β） 
fit_holt = model_holt.fit(smoothing_level=0.3, smoothing_trend=0.1) 
# 生成未来3期预测 
forecast_holt = fit_holt.forecast(3) 

7.3 时间序列数据的可视化分析

7.3.1 股票数据可视化最佳实践

7.3.1.1 多维度数据探索

1. 数据清洗关键步骤

# 读取股票数据（包含Open/High/Low/Close/Volume/Adjusted六列） 
stock = pd.read_excel('DaPy_data.xlsx', 'Stock', index_col=0, parse_dates=True) 
# 处理缺失值：向前填充（适用于短期停牌数据） 
stock = stock.ffill().bfill() 
# 数据标准化：计算对数收益率（降低异方差影响） 
stock['Log_Return'] = np.log(stock['Close']).diff() 

2. 复合图表绘制技巧

fig, (ax1, ax2) = plt.subplots(2, 1, sharex=True, figsize=(12, 7)) 
# 上子图：收盘价与移动平均线 
ax1.plot(stock['Close'], label='收盘价') 
ax1.plot(stock['MA5'], label='5日MA') 
ax1.set_title('股价趋势与技术指标') 
ax1.legend() 
# 下子图：成交量直方图（带正态分布拟合） 
stock['Volume'].plot(kind='hist', ax=ax2, density=True, bins=20, alpha=0.6) 
x = np.linspace(stock['Volume'].min(), stock['Volume'].max(), 100) 
ax2.plot(x, stats.norm.pdf(x, stock['Volume'].mean(), stock['Volume'].std()), 'r-') 

7.3.1.2 K线图实战应用

1. 技术指标叠加

import mplfinance as mpf 
# 提取特定时间段数据（包含成交量） 
OHLCV = stock.loc['2023-01':'2023-03', ['Open', 'High', 'Low', 'Close', 'Volume']] 
# 定义技术指标：30日移动平均线 + 布林带 
add_plot = [ mpf.make_addplot(OHLCV['MA30'], panel=0, color='blue'),  # 主图叠加 mpf.make_addplot(OHLCV[['Bollinger_upper', 'Bollinger_lower']], panel=0, linestyle='--') 
] 
# 绘制带成交量的K线图 
mpf.plot(OHLCV, type='candle', volume=True, addplot=add_plot, title='2023Q1股票走势', show_nontrading=False) 

2. 事件标记技巧

# 定义关键事件（如财报发布日、分红日） 
events = pd.to_datetime(['2023-01-15', '2023-02-27']) 
# 在K线图上标记事件点 
mpf.plot(OHLCV, type='candle', markersize=7, markeredgecolor='red', markevery=events, style='charles', title='重要事件影响分析') 

7.3.2 收益率分析深度解读

7.3.2.1 风险指标计算

# 计算日收益率（对数收益率更符合正态分布假设） 
stock['Log_Return'] = np.log(stock['Close']).diff() 
# 关键风险指标： 
volatility = stock['Log_Return'].std() * np.sqrt(252)  # 年化波动率（假设252个交易日） 
sharpe_ratio = (stock['Log_Return'].mean() / volatility) * np.sqrt(252)  # 夏普比率（无风险利率设为0） 

7.3.2.2 季节效应分析

# 提取月度收益率数据（转换为年-月索引） 
stock['Month'] = stock.index.month 
monthly_returns = stock.groupby(['Year', 'Month'])['Log_Return'].mean().unstack() 
# 热力图可视化季节效应 
plt.figure(figsize=(10, 6)) 
sns.heatmap(monthly_returns, cmap='coolwarm', annot=True, fmt='.4f') 
plt.title('月度收益率热力图（2015-2023）') 
plt.xlabel('月份') 
plt.ylabel('年份') 

总结与工程化建议

7.4.1 核心技术图谱

7.4.2 生产环境实践要点

1. 数据管道：
   • 使用pandas-profiling生成数据质量报告
   • 建立时间序列数据校验规则（如时间连续性检查、异常值检测）
2. 模型部署：
   • 对于实时预测场景，优先选择计算效率高的指数平滑模型
   • 定期进行模型再训练（如每月更新一次趋势模型参数