一、平稳性与自相关
1、平稳性
一个静止的时间序列的统计特性不会随着时间的推移而改变,其有一个恒定的平均值、方差和自相关,这些特性是独立于时间的。因此如果一个时间序列的均值、方差和自相关性不随时间变化,则称其为平稳时间序列。否则它的属性将随着时间而改变,也就意味着模型参数也必须随着时间而改变。
平稳性测试通常使用ADF测试,通过测试单位根的存在来帮助确定一个时间序列是否是站点数据。如果存在单位根,则时间序列不是平稳的,表明数列的平均值依赖于时间。
2、自相关
自相关函数(ACF)测量的是时间序列滞后值之间的线性关系,其主要用于测量的是时间序列与自身的相关性。
二、平稳性数据处理
1、数据生成
通过控制表达式yt = α1yt –1 + ϵt中的α1,使其介于-1与1之间,来生成平稳时间序列,下方将α1设置为0.5;
def simulate_process(is_stationary:bool)->np.array:
np.random.seed(42)
process=np.empty(400)
if is_stationary:
alpha=0.5
process[0]=0
else:
alpha=1
process[0]=10
for i in range(400):
if i+1<400:
process[i+1]=alpha*process[i]+np.random.standard_normal()
else: