时间序列分析

平稳性：

1.任何一个时间序列都可以看做是由随机过程产生的结果。和普通两变量和多变量不一样，任何一个时间点上的值都是随机过程产生的，也都是随机的。

2.假定某个时间序列由某一随机过程（stochastic process）生成，即假定时间序列{Xt}（t=1, 2, …）的每一个数值都是从一个概率分布中随机得到的。如果经由该随机过程所生成的时间序列满足下列条件：

均值 E(Xt)=m 是与时间 t 无关的常数；

方差 Var(Xt)=s^2 是与时间 t 无关的常数；

协方差 Cov(Xt,Xt+k)=gk 是只与时期间隔 k 有关，与时间 t 无关的常数；

则称经由该随机过程而生成的时间序列是（弱）平稳的（stationary)。该随机过程便是一个平稳的随机过程（stationary stochastic process）。

3.期望和方差在任何时间过程上都是常数，符合期望为0，方差为1的正太分布。

平稳性的数学表达式：

1.E(Yt) = μ  期望为常数。

2.Var(Yt) =σ2  方差为常数。 注：方差为常数，自协方差函数中的分母 Var(Yt)*Var(Yt+k)==Var(Yt)*Var(Yt+k)。

3.Cov(Yt , Yt+k) = E(Yt - μ)(Yt+k - μ)=Rk  （任意两个时期之间的协方差仅依赖于这两个时期的距离）看到第一个括号内的μ和第二个括号内的μ，也就是两个期望都是相等的。如果按照统计学的定义应该为。E(Yt - μt)(Yt+k - μt+k)，因为期望都是常数，即使Yt的常数也是Yt+k的常数。这条定义非常重要。