时间序列探索性分析

1. 时间序列探索性分析

时间序列的探索性分析用于理解时间序列数据，便于后续的建模与评估。

1.1 数据统计性描述

同其他数据的分析一样，我们需要数据的统计性描述。比如我们需要知道数据的单位，数据的统计特征如最大值，最小值，四分位数等。

1.2 数据预处理

同其他数据的分析一样，我们需要对数据的缺失值进行预处理，如果缺失值位于时间序列的开头或尾部，通常做法是直接删除；如果缺失值位于时间序列的中间，通常做法是进行替换插值，可以选择序列平均值，临近点的平均值，临近点的中位数，线性插值和邻近点的回归预测值等。

1.3 时序图

我们收集到时间序列数据后，通常是通过画图的方式展示数据的直观特征。对于时间序列数据，最常用的图就是时间序列图。表示方式：$t$为横坐标，$X_t$为纵坐标，将观察值$\left(t,X_t\right),t=1,2,n$列在平面上，按时间序列绘成折线图：

接着我们可以从时间序列图中观察数据的长期趋势、季节变动等变化影响因素。
举一个例子方便理解：

原始数据：

长期趋势：

季节变动：

不规则变动（残差）：

1.4 平稳性分析

在使用很多时间序列模型的时候，如 ARMA、ARIMA，都会要求时间序列是平稳的，所以一般在研究一段时间序列的时候，第一步都需要进行平稳性检验，除了用肉眼检测的方法，另外比较常用的严格的统计检验方法就是ADF检验，也叫做单位根检验。ADF检验全称是 Augmented Dickey-Fuller test，顾名思义，ADF是 Dickey-Fuller检验的增广形式。DF检验只能应用于一阶情况，当序列存在高阶的滞后相关时，可以使用ADF检验，所以说ADF是对DF检验的扩展。

在做ADF检验，也就是单位根检验时，需要先明白一个概念，也就是要检验的对象——单位根。

当一个自回归过程中：$X_t=b{X}_{t-1}+a+{ϵ}_t$，如果滞后项系数b为1，就称为单位根。当单位根存在时，自变量和因变量之间的关系具有欺骗性，因为残差序列的任何误差都不会随着样本量（即时期数）增大而衰减，也就是说模型中的残差的影响是永久的。这种回归又称作伪回归。如果单位根存在，这个过程就是一个随机漫步见附录（random walk）。

1.5 白噪音分析

平稳性的时间序列也有可能是白噪音，对白噪音进行建模分析是没有必要的。因此有必要在检验平稳性后，检验是否为白噪音。

如果 { x t } \{x_t\} {xt​}是白噪音序列，那么:

$${\rho }_s=1,s=00,s\ne 0$$

一般用样本自相关系数（如下）进行估计：

$$r_s=\widehat{{\rho }_s}=\frac{{\sum }_{t=s+1}^T\left(x_t-\bar{x}\right)\left(x_{t-s}-\bar{x}\right)}{{\sum }_{t=1}^T{\left(x_t-\bar{x}\right)}^2}$$

Ljung and Box 在1978年提出的Q检验能帮助我们检验残差是否为白噪声：
原假设为：
$$H_0：{\rho }_1={\rho }_2=\cdots ={\rho }_s=0$$
即认为 { x t } \{x_t\} {xt​}是白噪音序列。

备择假设为：
$$H_1:{\rho }_i\left(i=1,2,\dots ,s\right)\text{至少有一个不为0}$$
即认为 { x t } \{x_t\} {xt​}不是白噪音序列。

在$H_0$成立的条件下，存在统计量Q（如下）服从卡方分布，即：
$$Q=T\left(T+2\right)\sum _{k=1}^s\frac{r_k^2}{T-K}\sim {\chi }_{s-n}^2$$
其中$T$表示样本个数；
$n$表示模型中未知参数的个数；
$s$根据样本量的大小决定，一般可以取8、6、12等，在实际应用中由计算机决定。

具体应用中，计算机会帮我们计算出p值，一般认为p值小于0.05则拒绝原假设。

1.6 季节性分析

可视化时间序列是一种检查季节模式的简单方法。但是可视化太主观了，所以就需要更系统的方法来描述时间序列的而季节性。具体地，可以通过CH测试和OCSB测试检验季节性，它们的原假设都是时间序列不存在季节性变动。具体的数学形式不再列举，具体应用可以通过Python的pmdarima 库轻松实现它们。

1.7 异方差检验

下面介绍如何判断扰动项存在条件异方差。

方法一：画时序图，判断是否存在“波动性聚集”。

方法二：用ADL模型进行估计得到残差序列 { ϵ t } \{\epsilon_t\} {ϵt​}，再估计回归（如下）中的系数是否显著。
$${ϵ}_t^2={\alpha }_0+{\alpha }_1{ϵ}_{t-1}^2+\dots +{\alpha }_p{ϵ}_{t-p}^2+e_t$$

方法三：用ADL模型进行估计得到残差序列 { ϵ t } \{\epsilon_t\} {ϵt​}，检验其平方的自相关性。

方法四：直接使用ARCH模型和GARCH模型，观察异方差方程中系数是否显著。

方法五：进行专门的异方差检验，如arch模型下的LM检验。具体原理不再介绍，在Python库中有库函数可以轻松使用。

2. 引用

统计基础知识-7.3时间序列的探索性分析 - 倔强的文章 - 知乎https://zhuanlan.zhihu.com/p/632153642

3. 附录

3.1 随机漫步

对于时间序列 { x t } \{x_t\} {xt​}，如果满足如下条件，该时间序列是一个随机漫步(也称随机游走)：

$$x_t=w_t+w_{t-1}+\dots +w_0$$

其中，$w_t$是一个均值为0，方差为${\sigma }^2$的白噪声。
所以随机游走是白噪声的一个累积。