bic准则 python实现_基于python的统计套利实战（一）之ADF检验

ADF检验

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。

单位根(unit root)

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：y_{t} = by_{t-1} + a + \epsilon _{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(random walk)。

ADF检验的原理

ADF检验就是判断序列是否存在单位根：如果序列平稳，就不存在单位根；否则，就会存在单位根。

所以，ADF检验的 H0 假设就是存在单位根，如果得到的显著性检验统计量小于三个置信度(10%，5%，1%)，则对应有(90%，95，99%)的把握来拒绝原假设。

ADF检验的python实现

ADF检验可以通过python中的 statsmodels 模块，这个模块提供了很多统计模型。

使用方法如下：

导入adfuller函数

from statsmodels.tsa.stattools import adfuller

adfuller函数的参数意义分别是：

1、x：一维的数据序列。

2、maxlag：最大滞后数目。

3、regression：回归中的包含项(c：只有常数项，默认；ct：常数项和趋势项；ctt：常数项，线性二次项；nc：没有常数项和趋势项)

4、autolag：自动选择滞后数目(AIC：赤池信息准则，默认；BIC：贝叶斯信息准则；t-stat：基于maxlag，从maxlag开始并删除一个滞后直到最后一个滞后长度基于 t-statistic 显著性小于5%为止；None：使用maxlag指定的滞后)

5、store：True  False，默认。

6、regresults：True 完整的回归结果将返回。False，默认。

返回值意义为：

1、adf：Test statistic，T检验，假设检验值。

2、pvalue：假设检验结果。

3、usedlag：使用的滞后阶数。

4、nobs：用于ADF回归和计算临界值用到的观测值数目。

5、icbest：如果autolag不是None的话，返回最大的信息准则值。

6、resstore：将结果合并为一个dummy。

def adfuller(x, maxlag=None, regression="c", autolag='AIC',

store=False, regresults=False):

"""

Augmented Dickey-Fuller unit root test

The Augmented Dickey-Fuller test can be used to test for a unit root in a

univariate process in the presence of serial correlation.

Parameters

----------

x : array_like, 1d

data series

maxlag : int

Maximum lag which is included in test, default 12*(nobs/100)^{1/4}

regression : {'c','ct','ctt','nc'}

Constant and trend order to include in regression

* 'c' : constant only (default)

* 'ct' : constant and trend

* 'ctt' : constant, and linear and quadratic trend

* 'nc' : no constant, no trend

autolag : {'AIC', 'BIC', 't-stat', None}

* if None, then maxlag lags are used

* if 'AIC' (default) or 'BIC', then the number of lags is chosen

to minimize the corresponding information criterion

* 't-stat' based choice of maxlag.  Starts with maxlag and drops a

lag until the t-statistic on the last lag length is significant

using a 5%-sized test

store : bool

If True, then a result instance is returned additionally to

the adf statistic. Default is False

regresults : bool, optional

If True, the full regression results are returned. Default is False

Returns

-------

adf : float

Test statistic

pvalue : float

MacKinnon's approximate p-value based on MacKinnon (1994, 2010)

usedlag : int

Number of lags used

nobs : int

Number of observations used for the ADF regression and calculation of

the critical values

critical values : dict

Critical values for the test statistic at the 1 %, 5 %, and 10 %

levels. Based on MacKinnon (2010)

icbest : float

The maximized information criterion if autolag is not None.

resstore : ResultStore, optional

A dummy class with results attached as attributes

"""

现在我们用一个RB1309的收盘数据来进行ADF检验，看一下结果：

result = adfuller(rb_price)

print(result)

(-0.45153867687808574, 0.9011315454402649, 1, 198, {'5%': -2.876250632135043, '1%': -3.4638151713286316, '10%': -2.574611347821651}, 1172.4579344852016)

看到 t-statistic 的值 -0.451 要大于10%的显著性水平，所以无法拒绝原假设，另外，p-value的值也很大。

将数据进行一阶差分滞后，看一下结果如何：

rb_price = np.diff(rb_price)

result = adfuller(rb_price)

print(result)

(-15.436034211511204, 2.90628134201655e-28, 0, 198, {'5%': -2.876250632135043, '1%': -3.4638151713286316, '10%': -2.574611347821651}, 1165.1556545612445)

看到 t-statistic 的值 -15 要小于5%，所以拒绝原假设，另外，p-value的值也很小，所以说明一阶差分之后的数据是平稳的。