python时间序列平稳性定义及代码相关

时间序列

1. 平稳性检测
   平稳性的定义：围绕一个常数上下波动且波动范围有限，即有常数均值和常数方差。如果有明显的趋势或者周期性，那它通常不是平稳序列。检测方法有三种：
   （1）时序图检测
   （2）自相关系数和偏相关系数>>>>>>通过spss
   截尾：就是在某阶之后，系数都为0
   拖尾：就是有一个缓慢衰减的趋势，但是不都为0

2.不平稳的处理方法
差分法：一阶差分指的是原序列值相距一期的两个序列之间的减法运算；K阶差分就是相距K期的两个序列值之间相减。

3.纯随机性检验
对于纯随机序列，又称白噪声序列，序列的各项数值之间没有任何相关关系，序列在进行完全无序的随机波动，可以终止对该序列的分析。白噪声序列是没有消息可提取的平稳序列。

对于平稳非白噪声序列，它的均值和方差是常数。通常是建立一个线性模型来你和该序列的发展，借此提取该序列的有用信息。ARMA模型是最常用的平稳序列拟合模型。

二、平稳时间序列建模
某个时间序列经过处理，被盘点为平稳非白噪声序列，就可以进行时间序列建模

建模步骤：
（1）计算出该序列的自相关系数（ACF）和偏相关系数（PACF）
（2）模型识别，也成模型定阶。根据系数情况从AR（p）模型，MA（q）模型、ARMA（p,q）模型、ARIMA