时序分析(2) -- 单根检验

时序分析(2) – 单根检验

    上一篇文章我们探讨了时序数据的描述性分析和推断性分析。这一节我们主要讨论时序数据的平稳分析和单根检验。

    首先我们先介绍平稳性的概念：
    时序数据的平稳性属性是其非常重要的特征，上一篇中我们曾经估算指数数据的收益率、标准差、分布等，其实一切的目的都是为了很好的预测时序数据，但想想如果数据的均值和方差是经常有很大的变化的，我们又怎么能够预测呢？
    平稳过程定义如下

1. 时序的均值不能是时间的函数。
2. 时序的方差不能是时间的函数。
3. 时序的第i项与第i+m项的协方差不能是时间的函数。

    简单来说，就是时序的均值、方差和自协方差这三个统计特性不能随着时间的变换而变化。
    平稳时序相对来说是比较容易预测的，因为我们可以认为未来的统计特性和当前的统计特性是一致的。大部分时序模型都假设至少是协方差稳定的。但实际上，大多数金融时序数据都不是平稳时序数据，所以在实际时序分析时，我们经常需要通过某种方法将其转变为平稳过程。
    那么，我们如何得知所要处理的时序数据是否平稳时序呢？ 这就需要进行统计检验：单根检验。
    单根检验(unit root test)就是检查时序数据是否存在单根，现在让我们简要解释一下这个概念：

考虑一个时序过程 { y t , t = 1 , 2 , 3... } \{y_t,t=1,2,3... \} { yt​,t=1,2,3...}，如果可以把它写成一个$p$阶自回归过程：
$$y_t=a_1{y}_{t-1}+a_2{y}_{t-2}...+a_p{y}_{t-p}+{ϵ}_t$$
这里 { ϵ t , t = 0 , 1 , 2 , . . . } \{ \epsilon_t,t=0,1,2,...\} { ϵt​,t=0,1,2,...}， 是串行不相关的，且均值为0，有不变的方差