时序数据学习笔记（三）

一、平稳性与差异化

        时间序列如果不是平稳的，则表明数列的平均值依赖于时间，无法根据过去的数据集对未来进行预测，此时就需要对不平稳的时间序列进行差异化处理。

        差异化是一种计算从一个时间步骤到另一个时间步骤的变化的变换，这种转换有助于稳定平均值。对差异进行一次处理就是应用一阶差分法，通常不需要差分超过两次就可以得到一个平稳的序列。

二、不平稳时序数据

1、数据生成

        通过控制表达式yt = α1yt –1 + ϵt中的α1，使其不在-1与1之间，来生成不平稳时间序列，下方将α1设置为1；

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:
            break
    return process

non_stationary=simulate_process(False)

2、查看序列的ADF与p-value

        ADF如果是一个负数，负值越大，意味着时间序列越平稳，实验数据ADF