Python机器学习：时间序列的相关检验

⭐️ 时间序列数据主要是根据时间先后，对同样的对象按照等时间间隔收集的数据，比如每天的平均气温、每月的销售额等。

⭐️ 一般地，对任何变量做定期记录就能构成一个时间序列。

⭐️ 针对时间序列数据，分析流程大致如下：

• 识别序列是否是非随机序列，若是，则进一步观察其平稳性
• 若非平稳，则将其处理为平稳的序列
• 根据识别出来的特征建立模型
• 对模型进行参数估计
• 判断模型的残差序列是否为白噪声序列
• 用该模型进行预测

前两步，都是对时间序列数据的相关检验。

时间序列数据的相关检验

白噪声检验

首先我们可以看到，第一步就是判断序列是否为非随机序列（判断它是不是白噪声），你可能会问判断这个有什么用呢？如果这个序列是一个随机序列，我们还能去预测它吗？显然是不能的。

⭐️ 白噪声：可以理解为是一组独立同分布的随机数据。

下面读取一组数据来进行白噪声的检验。

import pandas as pd
import matplotlib.pyplot as plt
# 显示中文
import matplotlib
matplotlib.rcParams['axes.unicode_minus']=False
import seaborn as sns
sns.set(font="Kaiti",style="ticks",font_scale=1.4)

data = pd.read_csv("D:/Pycharm/MachineLearning/program/data/chap6/timeserise.csv")
data.plot(figsize = (10,6))
plt.grid()
plt.title("时序数据")
plt.show()

常用的白噪声检验方法是Ljung-Box检验（简称LB检验）。

⭐️ 原假设H0：延迟期数小于等于m期的序列之间相互独立（序列是白噪声）。

⭐️ 备择假设H1：延迟期数小于等于m期的序列之间有相关性（序列不是白噪声）。

可用sm.stats.diagnostic.acorr_ljungbox()函数对数据集中的两个序列进行检验。

import pandas as pd
import statsmodels.api as sm

data = pd.read_csv("D:/Pycharm/MachineLearning/program/data/chap6/timeserise.csv")
LB1 = sm.stats.diagnostic.acorr_ljungbox(data["X1"],lags = [4,8,16,32])
print("lb_stat1",LB1[0])
print("p_value1",LB1[1])	# 检验的p值
print("\n")
LB2 = sm.stats.diagnostic.acorr_ljungbox(data["X2"],lags = [4,8,16,32])
print("lb_stat2",LB2[0])
print("p_value2",LB2[1])	

其中每一行的每一个结果都分别对应延迟阶数4，8，16，32。

可以看到，序列X1的LB检验P值均小于0.05，即拒绝原假设这件事犯错误的可能性很小，那么我们就要拒绝原假设，认为该序列不是白噪声；序列X2的LB检验P值均大于0.05，即拒绝原假设这件事犯错误的可能性比较大，那么我们就要接收原假设，认为该序列是白噪声。

平稳性检验

判断序列是否平稳有两种检验方法：

⭐️ 根据时序图和自相关图显示的特征做出判断。

⭐️ 构造检验统计量进行假设检验，如单位根检验。

常用的单位根检验方法是ADF检验，它能够检验时间序列中单位根的存在性：

⭐️ 原假设H0：序列是非平稳的（有单位根）。

⭐️ 备择假设H1：序列是平稳的（没有单位根）。

可使用sm.tsa模块中的adfuller()函数进行单位根检验。

import pandas as pd
from statsmodels.tsa.stattools import adfuller

data = pd.read_csv("D:/Pycharm/MachineLearning/program/data/chap6/timeserise.csv")

X1_adf = adfuller(data["X1"],autolag = "BIC") # autolag参数确定滞后时使用的方法，BIC则选择滞后数以最小化相应的信息标准，还有就是传入要检测的序列
X1_output = pd.Series(X1_adf[0:4],index = ['adf','p-value','usedlag','Number of Observations Used'])  # 将输出结果转化为序列
print("X1单位根检验的结果：\n",X1_output)
print("\n")

X2_adf = adfuller(data["X2"],autolag = "BIC") 
X2_output = pd.Series(X2_adf[0:4],index = ['adf','p-value','usedlag','Number of Observations Used'])
print("X2单位根检验的结果：\n",X2_output)
print("\n")

X1_diff = data["X1"].diff().dropna()    # 对X1进行一阶差分，就是后一项减去前一项
X1_adf2 = adfuller(X1_diff,autolag = "BIC")
X1_output2 = pd.Series(X1_adf2[0:4],index = ['adf','p-value','usedlag','Number of Observations Used'])
print("X1一阶差分单位根检验结果：\n",X1_output2)

从结果中的P值可以分析出，X1是非平稳的，X2是平稳的，但X1在一阶差分后P值接近于0.05，可以认为是平稳的。

除此之外，还可以使用KPSS检验，用kpss()函数来完成。原假设H0：序列是平稳的（这个原假设与前面那个不一样，所以要注意对P值的分析）。

import pandas as pd
from statsmodels.tsa.stattools import kpss

data = pd.read_csv("D:/Pycharm/MachineLearning/program/data/chap6/timeserise.csv")

X1_kpss = kpss(data["X1"])
X1_output = pd.Series(X1_kpss[0:3],index = ["kpss_stat","p-value","usedlag"])
print("X1 kpss检验结果\n",X1_output)
print("\n")

X2_kpss = kpss(data["X2"])
X2_output = pd.Series(X2_kpss[0:3],index = ["kpss_stat","p-value","usedlag"])
print("X2 kpss检验结果\n",X2_output)
print("\n")

X1_diff = data["X1"].diff().dropna()
X1_kpss2 = kpss(X1_diff)
X1_output2 = pd.Series(X1_kpss2[0:3],index = ["kpss-stat","p-value","usedlag"])
print("X1 一阶差分kpss检验结果",X1_output2)

可以分析得到X1是不平稳的，X2是平稳的，X1一阶差分后是平稳的。

⭐️ ARIMA：
差分自回归移动平均模型（Auto-Regressive Integrated Moving Average，ARIMA）是差分运算与ARMA模型的组合，即任何非平稳序列如果能够通过适当阶数的差分实现平稳，就可以对差分后的序列拟合ARMA模型。
针对ARIMA(p,d,q)，p为自回归项数，q为滑动平均项数，d为使之成为平稳序列所做的差分次数（阶数）。

⭐️ SARIMA：
季节性差分自回归移动平均模型（Seasonal Auto-Regressive Integrated Moving Average，SARIMA）。
针对于SARIMA(p,d,q,P,D,Q,s)，p是非季节自回归的阶数，d为一步差分的次数，q为非季节移动平均的阶数，P为季节自回归的阶数，D为季节差分的次数，Q为季节移动平均的阶数。

对于ARIMA(p,d,q)模型来说，参数d可以通过差分次数来确定，也可以利用pm.arima模块中的ndiffs()函数进行相应的检验来确定。

import pandas as pd
import pmdarima as pm

data = pd.read_csv("D:/Pycharm/MachineLearning/program/data/chap6/timeserise.csv")

X1d = pm.arima.ndiffs(data["X1"],alpha = 0.05,test = "kpss",max_d = 3)
print("使用KPSS检验对序列X1的参数d取值进行预测，d = ",X1d)

X2d = pm.arima.ndiffs(data["X2"],alpha = 0.05,test = "kpss",max_d = 3)
print("使用KPSS检验对序列X2的参数d取值进行预测，d = ",X2d)

X1diff = data["X1"].diff().dropna()
X1diffd = pm.arima.ndiffs(X1diff,alpha = 0.05,test = "kpss",max_d = 3)
print("使用KPSS检验对序列X1一阶差分后的参数d取值进行预测,d = ",X1diffd)

可以从结果中看到，针对平稳序列获得的参数d取值为0，而针对不平稳的时间序列X1，期参数d的预测结果为1。

针对于SARIMA模型，另有一个季节周期平稳性参数D需要确定，可利用pm.arima模块中的nsdiffs()函数进行相应的检验来确定。

import pandas as pd
import pmdarima as pm

data = pd.read_csv("D:/Pycharm/MachineLearning/program/data/chap6/timeserise.csv")

X1d = pm.arima.nsdiffs(data["X1"],12,max_D = 2)
print("对序列X1的季节阶数D取值进行预测，D = ",X1d)

X1diff = data["X1"].diff().dropna()
X1diffd = pm.arima.nsdiffs(X1diff,12,max_D = 2)
print("对序列X1一阶差分后的季节阶数D取值进行预测，D = ",X1diffd)

从结果可以看到，对于SARIMA模型来说，序列X1和序列X1一阶差分后的序列都是不平稳的。