推荐 :手把手教你用Python处理非平稳时间序列(附代码)
简介 预测一个家庭未来三个月的用电量,估计特定时期道路上的交通流量,预测一只股票在纽约证券交易所交易的价格……这些问题都有什么共同点? 它们都属于时间序列数据的范畴!如果没有“时间”成分,就无法准确地预测出结果。随着我们周围世界产生的数据越来越多,时间序列预测已成为数据科学家必须掌握的一项越来越关键的技能。 然而,时间序列是一个复杂的话题,它具有多面性。 首先,要想使预测模型正常工作,就必须使时间序列保持平稳。为什么?因为绝大部分原始数据都会有非平稳的趋势。如果有很多不规则的尖峰,你怎么能确保模型正常工作呢? 本文将重点介绍时间序列数据的平稳性检验方法。在此假设读者已熟悉时间序列、ARIMA和平稳性的概念,以下是一些包含基础内容的参考资料: ●时间序列建模完整教程 ●给初学者的时间序列预测综合指南 目录 1. 平稳简介 2. 加载数据 3. 检验平稳的方法 ●ADF检验 ●KPSS检验 4. 平稳的种类 ●严格平稳 ●趋势平稳 ●差分平稳 5. 时间序列平稳化 ●差分 ●季节性差分 ●对数变换 1. 平稳简介 “平稳”是处理时间序列数据时遇到的最重要的概念之一:平稳序列是指其特性-均值...
