时间序列教程 二、识别和转换非平稳时间序列

一、本节目标

定义平稳性

描述确定平稳性的方法

解释如何转换非平稳时间序列数据

使用Python识别和转换非平稳时间序列数据

二、平稳性

固定时间序列是指基本系统没有变化的时间序列。

恒定平均值（没有趋势）

 恒定方差

常数自相关结构

无周期性成分（没有季节性）

平稳性是许多时间序列预测模型中的一个基本假设

如果没有它，许多基本的时间序列模型就会崩溃。

在建模之前，可以应用变换将非平稳时间序列转换为平稳时间序列。

虽然有更先进的时间序列模型可以处理非平稳数据，但是了解关于平稳性的基础知识是十分必要的。

三、自相关

自相关是时间序列分析中的一个关键概念。

自相关是两个不同时间的测量值之间的相关性。

值之间的时间间隔称为滞后。

例如，股票价格可以通过1的滞后值从一天到下一天进