3. 时间序列基础：平稳性检验、自相关与偏自相关、差分操作

各位同学，咱们今天聊点硬核的。时间序列分析，说白了就是跟历史数据对话，让它告诉我们未来可能发生什么。但这里有个大坑——如果数据本身不老实，你建的模型就是空中楼阁。

我个人习惯，拿到任何时间序列数据，第一件事不是跑模型，而是先做三件事：平稳性检验、看自相关结构、必要时做差分。这三板斧砍下去，数据的基本脾气你就摸透了。

3.1 平稳性：时间序列的「定海神针」

什么叫平稳？简单说，就是数据的统计性质不随时间变化。均值是常数，方差是常数，自相关结构也是稳定的。

你想想看，如果数据本身均值一直在漂移，你拿什么去预测未来？就像在移动的火车上测距离，永远测不准。

我在项目中遇到过最典型的非平稳序列——GDP数据。你看它长期趋势是向上的，均值明显在变化。这种数据直接建模，结果就是伪回归，看着R²很高，其实全是假象。

3.2 平稳性检验：别靠肉眼，上统计量

很多人喜欢画个图，凭感觉说「嗯，这个看起来平稳」。千万别！我吃过这个亏。有一次我对着一个看起来挺平的序列建了ARIMA模型，回测效果奇好，结果实盘一跑就崩。后来一查，那序列是随机游走，压根不平稳。

所以，老老实实用检验方法：

3.2.1 ADF 检验（增广迪基-富勒检验）

这是最常用的单位根检验。原假设是「序列存在单位根（非平稳）」。p值小于0.05，就拒绝原假设，认为序列平稳。

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

# 假设 data 是 Series
result = adfuller(data, autolag='AIC')
print(f'ADF统计量: {result[0]:.4f}')
print(f'p值: {result[1]:.4f}')
print(f'临界值: {result[4]}')

if result[1] < 0.05:
    print('✅ 拒绝原假设，序列平稳')
else:
    print('❌ 无法拒绝原假设，序列非平稳')

3.2.2 KPSS 检验

这个跟ADF正好反过来——原假设是「序列平稳」。所以两个检验配合使用，就像双保险。

from statsmodels.tsa.stattools import kpss

result_kpss = kpss(data, regression='c')
print(f'KPSS统计量: {result_kpss[0]:.4f}')
print(f'p值: {result_kpss[1]:.4f}')

if result_kpss[1] < 0.05:
    print('❌ 拒绝原假设，序列非平稳')
else:
    print('✅ 无法拒绝原假设，序列平稳')

3.3 自相关与偏自相关：读懂数据的「记忆」

时间序列有个特点——过去会影响现在。今天的股价跟昨天有关，今天的温度跟昨天有关。这种「记忆」就是自相关。

3.3.1 自相关函数（ACF）

ACF 衡量的是当前值与其滞后值之间的相关性。比如 lag=1 的ACF，就是今天和昨天的相关系数。

嗯，这里要注意：ACF 会受中间滞后项的影响。比如今天和前天相关，可能是因为今天和昨天相关、昨天和前天相关导致的「传递效应」。所以我们需要 PACF。

3.3.2 偏自相关函数（PACF）

PACF 剔除了中间变量的影响，直接看「纯」的相关性。比如 lag=2 的PACF，就是剔除了 lag=1 的影响后，今天和前天的直接关系。

from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
import matplotlib.pyplot as plt

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(10, 6))

plot_acf(data, lags=20, ax=ax1)
ax1.set_title('自相关函数 (ACF)')

plot_pacf(data, lags=20, ax=ax2, method='ywm')
ax2.set_title('偏自相关函数 (PACF)')

plt.tight_layout()
plt.show()

我记得有一次做CPI预测，ACF在lag=12处有个明显的尖峰，我当时就意识到——这是季节性。后来加了12阶差分，模型效果直接提升了一个档次。所以看ACF图的时候，别光看前几阶，远一点的滞后也可能藏着重要信息。

3.4 差分操作：让不平稳变平稳的「手术刀」

如果数据不平稳，最直接的解决办法就是差分。说白了，就是把「数值」变成「变化量」。

3.4.1 一阶差分

今天的值减去昨天的值。如果原始数据是随机游走，一阶差分后就是白噪声。

# 一阶差分
diff_1 = data.diff().dropna()

# 再检验一下平稳性
result_diff = adfuller(diff_1)
print(f'差分后p值: {result_diff[1]:.4f}')

3.4.2 季节性差分

对于月度数据，用今年1月减去年1月。对于季度数据，用今年Q1减去年Q1。

# 季节性差分（以12期为例）
seasonal_diff = data.diff(12).dropna()

3.4.3 如何确定差分阶数？

我个人习惯用两步法：

1. 先看ACF图： 如果ACF衰减很慢（比如10阶后还有显著相关），大概率需要差分
2. 再用单位根检验： ADF和KPSS交叉验证，直到p值通过

其实还有一个更自动化的方法——用 pmdarima 库的 ndiffs 函数，它会帮你算最优差分阶数。

from pmdarima.arima import ndiffs

# 自动确定差分阶数
d = ndiffs(data, test='adf')
print(f'建议差分阶数: {d}')

3.5 实战流程总结

好了，把今天的内容串起来。我拿到一个时间序列，一般走这个流程：

步骤	操作	目的
1	画时序图 + ADF/KPSS检验	判断是否平稳
2	如果不平稳，做差分（先1阶，再季节性）	转化为平稳序列
3	画ACF和PACF图	识别AR/MA阶数
4	根据ACF/PACF特征选择模型	确定p、q参数

你想想看，这套流程走下来，数据的基本特征就全在你手里了。后面建什么模型，心里都有底。

嗯，今天就到这儿。记住一句话：平稳性是时间序列建模的基石，差分是处理非平稳的利器，ACF/PACF是识别模型结构的眼睛。这三样东西玩熟了，时间序列分析你就入门了。

---