61技术创新ADF平稳性检验（AugmengtedDickey-Fullertest），也称为单位������模型介绍及建模步骤ARIMA模型，也称为求和自回归移动平均自模型，实际上根检验。ADF检验是判断时间序列是否存在单位根：如果不存是差分运算与ARMA模型的结合。ARIMA（p,d,q）模型记为：在单位根，说明序列平稳；若存在单位根，说明时间序列不平稳。ADF检验的原假设存在单位根，如果得到的p值小于置信度（1）5%，那么说明有95%的把握认为该时间序列平稳。在python中使用statsmodels模块进行ADF检验，结果如表式（1）中，、为平稳可逆1所示：p值等于0.418847，大于0.05，认为该序列不平稳。对非ARMA(p,q)模型的自回归系数多项式；为平稳可平稳的时间序列通过差分处理，直至平稳。一阶差分后，继续逆ARMA（p,q）模型的移动平滑系数多项式；模型中的d为差分的阶使用python对差分序列进行ADF检验，得到检验结果如表1所数；为零均值白噪声序列。示。获得观察值时间序列后，通过以下步骤完成ARIMA建模分析过程：（1）对时间序列数据进行平稳性检验。如果该序列不平稳，转步骤（2）；若该序列平稳，再进行白噪声检验，若为序表1原序列及一阶差分序列ADF检验列检验为白噪声，模型终止；若不是白噪声，转步骤（3）。可以看出，一阶差分后序列的p值为1.23e-29，远小于0.05，（2）当时间序列处于不平稳时，可通过d阶差分使非平稳因此认为一阶差分后的序列平稳。也可以通过绘制折线图，观序列转化为平稳序列。察时间序列的平稳性，如图1所示，原序列的时序图呈现下降趋（3）求解观测序列的样本自相关系数（ACF）和偏自相关势，从最高点320下降到190左右，显然原序列不平稳；一阶差系数（PACF）的值。分后的时序图围绕一个常数值上下波动，且波动范围不大，认（4）根据样本自相关系数和偏自相关系数表现出来的截尾为一阶差分后的序列是平稳的。性和拖尾性质，确定p和q的值，对ARIMA（p,d,q）模型进行拟合。（5）估计模型中的未知参数的值。（6）通过残差序列白噪声检验，说明模型的有效性。如果拟合模型不通过检验，转向步骤（4），调整p和q的值，重新拟合模型。（7）利用拟合模型ARIMA（p,d,q），预测该时间序列未来几期的数值。图1原序列和一阶差分序列时序图�股票价格预测实证研究2.2白噪声检验2.1平稳性检验和差分处理接下里需要对平稳的一阶差分序列做白噪声检验，常用的对深信服科技2021年所有交易日的242条收盘价数据进行方法有三种，自相关图、Box-Pierce检验和Ljung-bo...
