一、写在前面
好久不更新咯！
OpenAI又推出了GPT的一系列重大更新，其中GPTs深得我心啊。
GPTs允许用户创建自定义的ChatGPT版本，以满足自己各种特定需求。其核心理念在于，用户可以为不同的场景和任务创建定制化的ChatGPT。这意味着您可以根据自己的需求，在日常生活、工作或娱乐中使用不同版本的GPT。无论是学术翻译、论文写作，还是数据分析，GPTs都可以根据您的指令和额外知识来满足您的需求。
更重要的是，你不需要学会编程，仅仅把需求组织好，告诉GPT即可，TA自动帮你生成一个个性化的APP。
本期，我展示一下我定制的单因素ARIMA建模GPT，目的在于让零基础者能使用最简单的ARIMA模型进行数据预测。
二、定制过程
具体定制教程不详细介绍了，网络一大堆。我个人觉得关键还是要把“咒语”写好，不然很容易出错的。
我的写法就是严格按照ARIMA模型的建模流程一步一步进行，每一步怎么详细怎么来，然后关键步骤附上参考的代码段。
三、第一轮测试
（1）直接上传数据
GPT自动读取数据，然后画出折线图，大致看看走势。
GPT会对数据进行大概的分析，比如有一些季节性、周期性等。
随后，会温馨提示：下一步你需要定义训练集和验证集。
（2）定义训练集和验证集
我这里定义的是2014-2011年作为训练集，2012年作为验证集。
随后，会温馨提示：下一步你需要做平稳性检验。
（3）平稳性检验
输出ADF检验结果，显示数据平稳（存疑哈）。
随后，会温馨提示：下一步你需要做ACF和PACF图。
（4）ACF和PACF图
输出ACF和PACF图。
随后，会温馨提示：下一步开始建模，ARIMA的这几个参数的范围需要你确认。
（5）ARIMA建模
既然说平稳，那就D和d取0，然后剩下四个参数取0到2即可。
自动根据AIC和BIC值，还有参数的P值进行筛选，找到最优模型。
随后，会温馨提示：下一步开始使用最优模型进行预测。
（6）最优ARIMA模型预测
训练集和验证集的预测结果见两个csv文档，可以下载使用。
随后，会温馨提示：下一步开始使用计算训练集和验证集的误差指标。
（7）计算性能指标
训练集和验证集的预测结果见两个csv文档，可以下载使用。
随后，会温馨提示：下一步开始使用计算最优模型的参数指标。
（8）计算最优模型的参数指标
（9）其他功能
以上是我给TA定制的关于构建ARIMA模型的规定步骤，你也可以根据具体情况对TA提要求，毕竟TA还是GPT的。
有能力的可以试试：https://chat.openai.com/g/g-KjtUx6Q0Z-jet-time-series-forecaster
四、写在最后
可以观察到，即便你对ARIMA建模的了解不甚深入，但在这个定制化的GPT指导下，仍能逐步掌握ARIMA建模的全过程。需要一定专业知识的部分主要包括准备数据、划分训练集与验证集，以及选择合适的参数范围。至于其他环节，只需简单输入‘继续’或‘是’即可轻松完成。
当然，这个GPT还有许多改进空间。例如，我可以让TA直接为我生成一个完整的模型预测报告，包含图表和相关描述，有点细思极恐。
今天的尝试只是初步探索，未来我会在实战应用中继续探索并分享更多心得。
