一阶差分序列garch建模_时间序列模型简介

目录

平稳序列

判断样本的平稳性

时间序列模型

参数选择

实验代码

1. 平稳序列

时间序列是一列观测值

的集合, 其中每个观测值是在时段

观测所得(

是自然数 ). 给定时间序列

, 如果对任意的

, 它满足下列条件:

i.

ii.

iii.

我们把它叫做(弱)平稳(weakly stationary)序列.(下文我们简称平稳序列.)

通俗地讲, 平稳序列的期望, 方差, 协方差不随时间变化. 例如,

服从同一个分布时, 它是平稳的.

例1 下图中的时间序列由

生成. 从直观上看, 这个序列是"平稳的".

Fig1. 平稳的时间序列

例2 下图的中的时间序列由

生成, 其中

,

. 它起初有明显地增长, 然后趋于平稳. 利用ADF检验(详情见下文), 我们发现该序列是平稳的(p-value < 0.01).

Fig2. 平稳的时间序列

Remark 弱平稳性的"弱"主要体现在时间序列在全局上是平稳的, 即，时间序列局部是波动的，但整体上看是平稳的, 或者随着时间的变化其样本的均值收敛.

2. 判断样本的平稳性

我们用统计学中假设检验的方法来判断样本的平稳性. 常用的是Augmented Dickey-Fuller(ADF)检验

Null Hypothesis

: 样本中存在unit root

, 则意味着样本是非平稳的.

Alternate Hypothesis

: 样本中不存在unit root. 如果拒绝

, 则意味着样本是平稳的.

在显著水平

的条件下, 我们可以通过计算p-value来接受或者拒绝

:

: 接受

.

: 拒绝

.

Python3中statsmodels.tas.stattools中的adfuller函数

from statsmodels.tsa.stattools import adfuller

def test_stationarity(data, alpha=0.05, print_detail=True):

""