使用线性回归的时间序列

Question

我有一些价格的时间序列数据，我正在尝试对其执行线性回归。但是，我觉得我所做的不正确，希望有人能指出我正确的方向。

我的数据如下所示：

date             Close
2017-05-10      0.12512
2017-05-11      0.12353
2017-05-12     -0.35235
.
.
.
2019-01-10      0.87890

Close是指每天的收盘价，缩放到(-1, 1)以内。

我尝试使用来自sklearn.linear_model.LinearRegression 库的线性回归。当我最初运行它以适应数据时，date 是一个字符串类型，因此程序提醒我它不能处理字符串数据。所以我只是删除了日期列，只使用了训练和测试集中的 Close 值。

我的直觉告诉我这是错误的方法。根据this answer 的说法，NumPy 中有一种叫做 Polyfit 的东西。是否无法对我拥有的数据使用标准的 Scikit-Learn 线性回归？

Answer 1

LinearRegression 不是 TimeSerie 的解决方案

在统计的上下文中，线性回归是通过最大化模型线性基础的误差是正态分布的平均值的可能性来解决的。在最大化过程中，我们假设观察结果是独立同分布的，这对于时间序列数据显然不是一个合理的假设。

对于 TimeSerie 问题，有很多解决方案取决于您的问题是什么。 http://www.statsoft.com/textbook/time-series-analysis

如果你想预测下一个值，我基本上建议RNN