python平稳性检验_时间序列中单位根平稳性检验adfuller详解 (ADF Test in Python)

在

statsmodels.tsa.stattools.adfuller

statsmodels.tsa.stattools.adfuller（x，maxlag = None，regression ='c'，autolag ='AIC'，store = False，regresults = False )

增强Dickey-Fuller单位根检验

Augmented Dickey-Fuller测试可用于在存在串行相关的情况下在单变量过程中测试单位根。

参数

x （array_like，1d）

数据系列

maxlag （int）

测试中包含的最大延迟，默认为12 *（nobs / 100）^ {1/4}

regression（{‘c’，’ct’，’ctt’，’nc’}）

包含在回归中的常量和趋势顺序

‘c’：仅限常量（默认）

‘ct’：恒定和趋势

‘ctt’：常数，线性和二次趋势

‘nc’：没有恒定，没有趋势

autolag{‘AIC’，’BIC’，’t-stat’，无}

如果为None，则使用maxlag滞后

如果是’AIC’（默认值）或’BIC’，则选择滞后数以最小化相应的信息标准

基于’t-stat’的maxlag选择。从maxlag开始并使用5％大小的测试来降低滞后，直到最后一个滞后长度的t统计量显着为止

store（bool）

如果为True，则另外返回adf统计信息的结果实例。默认值为False

regolults （bool，可选）

如果为True，则返回完整的回归结果。默认值为False

adf （float）

测试统计

pvalue（float）

MacKinnon基于MacKinnon的近似p值（1994年，2010年）

usedlag （int）

使用的滞后数量

nobs（int）

用于ADF回归的观察数和临界值的计算

critical values（dict）

测试统计数据的临界值为1％，5％和10％。基于MacKinnon（2010）

icbest（float）

如果autolag不是None，则最大化信息标准。

resstore （ResultStore，可选）

一个虚拟类，其结果作为属性附加

adfuller(price_A)

#检验后输出的结果

(-2.0226025821924765, 0.27675142429522215, 54, 101983, {'1%': -3.430414123085256, '5%': -2.861568341405142, '10%': -2.566785085137168}, -915434.180263706)

如何确定该序列能否平稳呢？主要看：

1%、%5、%10不同程度拒绝原假设的统计值和ADF Test result的比较，ADF Test result同时小于1%、5%、10%即说明非常好地拒绝该假设，本数据中，adf结果为-2.02，大于三个level的统计值。所以是不平稳的，需要进行一阶差分后，再进行检验。

P-value是否非常接近0，接近0，则是平稳的，否则，不平稳。

使用以下语句进行一阶差分。

price_A = np.diff(price_A)

使用一阶差分后的数据再次进行ADF检验：

adfuller(price_A)

(-91.9315631374553, 0.0, 5, 49492, {'1%': -3.430482135278395, '5%': -2.861598401066143, '10%': -2.566801084958309}, -427493.8830610331)

现在的数据就符合以上两个条件，所以判断为一阶单整。

下面来判断两者是否存在协整关系。使用statsmodels 模块中有 coint函数

python平稳性检验_时间序列中单位根平稳性检验adfuller详解 (ADF Test in Python)相关推荐

python的常量和变量_python中的常量和变量代码详解
局部和全局变量: # name='lhf' # def change_name(): # # global name # name='帅了一比' # print('change_name',name) ...
python pandas库读取excel/csv中指定行或列数据详解
通过阅读表格,可以发现Pandas中提供了非常丰富的数据读写方法,下面这篇文章主要给大家介绍了关于python利用pandas库读取excel/csv中指定行或列数据的相关资料,需要的朋友可以参考下 ...
python数据集的预处理_关于Pytorch的MNIST数据集的预处理详解
关于Pytorch的MNIST数据集的预处理详解 MNIST的准确率达到99.7% 用于MNIST的卷积神经网络(CNN)的实现,具有各种技术,例如数据增强,丢失,伪随机化等. 操作系统:ubuntu ...
python中的pandas库_数据分析中 pandas 库的基本用法详解
上篇分享了数据分析用到的一个库:Numpy 库,今天分享一个比 Numpy 更高效的库:pandas,它可以对数据进行导入.清洗.处理.统计和输出.pandas 是基于 Numpy 库的,可以说,pa ...
python向量机使用方法_Python中支持向量机SVM的使用方法详解
除了在Matlab中使用PRTools工具箱中的svm算法,Python中一样可以使用支持向量机做分类.因为Python中的sklearn库也集成了SVM算法,本文的运行环境是Pycharm. 一.导 ...
python可以用del释放资源_Python中垃圾回收和del语句详解
Python中的垃圾回收算法是采用引用计数, 当一个对象的引用计数为0时, Python的垃圾回收机制就会将对象回收 a = "larry" b = a larry这个字符串对象, ...
python跳舞的线_舞蹈链（Dance Link X)算法详解及python实现
这两天打算做个数独玩玩,查了一下解数独最好的算法叫舞蹈链:Dance Link X 该算法主要是解决精确覆盖问题:比如有个集合X,以及其若干子集的集合Y,要求出一个Y的子集Y*,能够恰好分割X. 举个 ...
python画spc控制图_实施SPC控制图的八个步骤详解
企业在实行SPC品质管理时,需要对过程控制的关键工序进行监控分析,而这一监控分析工具就是spc控制图,下面盈飞无限给大家主要介绍实施SPC控制图的八个步骤. 图示:实施SPC控制图的八个步骤什么是S ...
python类定义以及调用_python中如何定义和调用类详解
类的方法的定义 1.def fun_name(self,...); Pass 2.其中的参数self代表类的实例,在调用方法时由系统自动提供 3.方法定义时必须指明self参数类的方法的调用与普通 ...

python平稳性检验_时间序列中单位根平稳性检验adfuller详解 (ADF Test in Python)

python平稳性检验_时间序列中单位根平稳性检验adfuller详解 (ADF Test in Python)相关推荐

最新文章

热门文章