ADF:主要是查看协整关系的一种有力方法。
以猫和驴一起散步的的情形,相关性反映的是他们是否在同一个方向上前行。协整性反映的是一段时间后猫和驴之间的距离。
#ADF检验,返回的第一值是ADF指标的值,第二个是P值,接着是时间延迟和样本量。最后一个是词典,给出了样本量的T分布
import numpy as np
import statsmodels.tsa.stattools as ts
r = [1,2,4,6]
result = ts.adfuller(r, 1)
result
1%、%5、%10不同程度拒绝原假设的统计值和ADF 结果的比较,ADF 的结果同时小于1%、5%、10%即说明非常好地拒绝该假设。
自相关:是数据集内部的相关性,用来指明趋势。
简单来说就是,给定一个时间序列,只要知道其均值和标准差,就可以用期望值算子来定义时间s和t的自相关。
举例来说:如果后延一周期,就可以检测前一个值是否影响当前值。如果是,相关系数很高。