python平稳性检验程序_用Python检验时间序列的平稳性

在做时间序列分析时，我们经常要对时间序列进行平稳性检验，而我们常用的软件是SPSS或SAS，但实际上python也可以用来做平稳性检验，而且效果也非常好，今天笔者就讲解一下如何用python来做时间序列的平稳性检验。

首先我们还是来简单介绍一下平稳性检验的相关概念。

图1. 平稳性序列的相关公式

时间序列的平稳性可分为严平稳和宽平稳。设{Xt}是一时间序列，对任意正整数m，任取t1、t2、t3、...、tm∈T，对任意整数τ，假如满足图1中式(1)，则称时间序列{Xt}是严平稳时间序列。而宽平稳的定义为，如果{Xt}满足以下三个条件：

(1)任取t∈T，有E(Xt·Xt)

(2)任取t∈T，有E Xt =μ，μ为常数；

(3)任取t，s，k∈T，且k+s-t∈T，有γ(t, s)=γ(k, k+s-t)

则称{Xt}为宽平稳时间序列。

因为实际应用中我们很难获得随机序列的分布函数，所以严平稳用得极少，主要是使用宽平稳时间序列。

在了解了平稳性的基本概念之后，我们再来说一下平稳时间序列的意义。平稳时间序列的分析也遵循数理统计学的基本原理，都是利用样本信息来推测总体信息。这就要求分析的随机变量越少越好(也就是数据的维度越小越好)，而每个变量获得样本信息越多越好(也就是数据的观测值越大越好)，因为随机变量越少，分析过程越简单，样本容量越大，分析的结果越可靠。但时间序列的数据结构有其特殊性，它在任意时刻t的序列值