模型的自相关系数计算_平稳性、相关性、自相关性

一、平稳性

平稳性是时间序列的基础。

严平稳的时间序列要求变量的联合分布在时间的平移变换下保持不变，通俗点可以理解为“历史可以重现”。

严平稳的时间序列要求较高，一般假设弱平稳的时间序列就够了。弱平稳的时间序列要求变量的均值、不同时点的数值间协方差为常数。即不同时间区间的数据在某个常数水平下以相同的幅度波动。

在金融文献中，通常假定资产收益率序列是弱平稳的。只要有足够多的历史收益率数据，这个假定就可以用实证检验。例如，可以将数据分成若干子样本。然后检验它们的一致性。

二、相关性、自相关性

自相关函数（autocorrelation function）ACF。自相关系数是指不同时点的变量之间的相关性。

检验单个ACF：T检验

检验多个ACF：Q检验，看P值

在金融文献中，资本资产定价模型理论的一种形式就是假定资产收益率序列是不可预测的，且无自相关性。0自相关系数的检验用来作为市场有效性的判定工具。然而，股价的决定方式和指数收益率的计算方式可能会导致在观察到的收益率序列中有自相关性，尤其是在分析高频数据时。

自相关与偏自相关的简单介绍及python代码

自相关与偏自相关的简单介绍​mp.weixin.qq.com