Stacjonarność

Analiza szeregów czasowych w Pythonie

Rob Reider

Adjunct Professor, NYU-Courant Consultant, Quantopian

Czym jest stacjonarność?

Stacjonarność silna: cały rozkład danych jest niezmienny w czasie
Stacjonarność słaba: średnia, wariancja i autokorelacja są niezmienne w czasie (tj. corr$\large (X_t, X_{t-\tau})$ jest funkcją wyłącznie $\large \tau$)

Dlaczego to ważne?

Jeśli parametry zmieniają się w czasie, jest ich zbyt wiele do oszacowania
Można szacować jedynie modele oszczędne z niewielką liczbą parametrów

Przykłady szeregów niestacjonarnych

Błądzenie losowe

Przykłady szeregów niestacjonarnych

Sezonowość w szeregu

Przykłady szeregów niestacjonarnych

Zmiana średniej lub odchylenia standardowego w czasie

Przekształcanie szeregów niestacjonarnych w stacjonarne

Błądzenie losowe
```
plot.plot(SPY)
```

Pierwsze różnicowanie
```
plot.plot(SPY.diff())
```

Przekształcanie szeregów niestacjonarnych w stacjonarne

Sezonowość
```
plot.plot(HRB)
```

Różnicowanie sezonowe
```
plot.plot(HRB.diff(4))
```

Przekształcanie szeregów niestacjonarnych w stacjonarne

Kwartalne przychody AMZN
```
plt.plot(AMZN)
```

# Log of AMZN Revenues
plt.plot(np.log(AMZN))

# Log, then seasonal difference
plt.plot(np.log(AMZN).diff(4))

Czas na ćwiczenia!

Analiza szeregów czasowych w Pythonie

Preparing Video For Download...