ADF检验

添加链接描述

一 在python中的实现：

import statsmodels.tsa.stattools as stm
stm.adfuller（data, maxlag=None, regression=‘c’, autolag=‘AIC’, store=False, regresults=False)

二 背景知识补充：

1.平稳性： 假定某个时间序列是由一系列随机过程生成的，即假定时间序列$x_t(t=1,2,3,4,5)$的每一个数值都是从一个概率分布中随机得到，如果满足下列条件：

均值$E(X_t)=u$是与时间t无关的常数；
方差$Var(X_t)={\sigma }^2$是与时间t无关的常数；
协方差$Cov(X_t,X_{t+k})=r_k$是只与时间间隔K有关，与时间t无关的常数
则称改随机时间序列是平稳的，而该随机过程是平稳随机过程。

白噪声（white noise）过程是平稳的：
$$X_t=U_t,U-tN(0,{\sigma }^2)$$
随机游走(random walk)过程是非平稳的：
$$X-t=X_{t-1}+U_t,U_{t}N(0,{\sigma }^2)$$
$$Var(X_t)=t{\sigma }^2$$
随机游走的一阶差分（first difference）是平稳的：
$$△X_t=X_t-X_{t-1}=U_t,U_{t}N(0,{\sigma }^2)$$
如果一个时间序列是非平稳的，它常常可以通过取差分的方法而形成平稳序列。

2.自回归，autoregressive model：用同一变数，例如X的之前各期，$x_1,x_2,x_3,x_4,,x_{t-1}$来预测本期x的表现，并假设他们为线性关系。
$$X_t=c+\sum {\varphi }_i{X}_{t-i}+{ϵ}_t$$
c是常数项，${ϵ}_t$被假设为平均数等于0，标准差等于$\sigma$的随机误差值；$\sigma$被假设为对于任何的t都不变。
缺点：必须具有自相关，自相关系数$\varphi$是关键，如果其小于0.5，则不宜采用，否则预测结果极不准确。
例1．Yt = α+βXt-1 + ut, t = 1,2,…,n
本例中Y的现期值与X的一期滞后值相联系，比较一般的情况是：
Yt = α+β0Xt +β1Xt-1 +……+βsXt-s + ut,
t = 1,2,…,n
即Y的现期值不仅依赖于X的现期值，而且依赖于X的若干期滞后值。这类模型称为分布滞后模型，因为X变量的影响分布于若干周期。
例2．Yt = α+βYt-1 + ut, t = 1,2,…,n
本例中Y的现期值与它自身的一期滞后值相联系，即依赖于它的过去值。一般情况可能是：
Yt = f (Yt-1, Yt-2, … , X2t, X3t, … )
即Y的现期值依赖于它自身若干期滞后值，还依赖于其它解释变量。
在本例中，滞后的因变量（内生变量）作为解释变量出现在方程的右端。这种包含了内生变量滞后项的模型称为自回归模型。
在这类模型中，由于在X和它的若干期滞后之间往往存在数据的高度相关，从而导致严重多重共线性问题。因此，分布滞后模型极少按（1）式这样的一般形式被估计。通常采用对模型各系数βj施加某种先验的约束条件的方法来减少待估计的独立参数的数目，从而避免多重共线性问题，或至少将其影响减至最小。这方面最著名的两种方法是科克方法和阿尔蒙方法。

3 ADF检验模型：
$$△X_t=\sigma X_{t-1}+\sum _{i=1}^m{\beta }_i△X_{t-i}+{ϵ}_t\text{\hspace{1em}(1)}$$
$$△X_t=\alpha +\sigma X_{t-1}+\sum _{i=1}^m{\beta }_i△X_{t-i}+{ϵ}_t\text{\hspace{1em}(2)}$$
$$△X_t=\alpha +\beta t+\sigma X_{t-1}+\sum _{i=1}^m{\beta }_i△X_{t-i}+{ϵ}_t\text{\hspace{1em}(3)}$$

零假设 H0：$\sigma =0$，原序列存在单位根，为非平稳序列
备则假设 H1：$\sigma <0$，原序列不存在单位根，为平稳序列

4.检验过程：
实际检验时从模型3开始，然后模型2，模型1.
合适检验拒绝零建设，即原序列不存在单位根，为平稳序列，何止停止检验
否则，要继续检验，知道检验完模型1为止。

5.一个简单的检验过程：
同时估计出上述三个模型的适当形式，然后通过ADF临界值表检验零 建设H0：$\sigma =0$；
只要其中一个模型的检验结果拒绝了零假设，就可以认为时间序列时平稳的；
当三个模型的检验结果都不能拒绝零假设时，则认为时间序列是非平稳的。

6.四种典型的非平稳随机过程：
（1）随机游走
（2）随机趋势过程
（3）趋势平稳过程
（4）趋势非平稳过程

参考文献：
1.https://wenku.baidu.com/view/04e9f885284ac850ad024256.html
2.https://baike.baidu.com/item/%E8%87%AA%E5%9B%9E%E5%BD%92%E6%A8%A1%E5%9E%8B
3.https://wenku.baidu.com/view/42b524bee109581b6bd97f19227916888586b916.html?from=search
4.https://baike.baidu.com/item/%E8%87%AA%E5%9B%9E%E5%BD%92%E6%A8%A1%E5%9E%8B
5.https://baike.baidu.com/item/%E8%87%AA%E5%9B%9E%E5%BD%92%E6%A8%A1%E5%9E%8B
6.statsmodels.tsa.stattools.adfuller:http://www.statsmodels.org/devel/generated/statsmodels.tsa.stattools.adfuller.html
7.检验结果的解读:https://bbs.pinggu.org/thread-869112-4-1.html