平穩和非平穩過程簡介

金融機構和公司，以及個人投資者和研究人員，經常在經濟預測、股市分析或資料本身研究中使用金融時間序列資料（如資產價格、匯率、GDP、通貨膨脹和其他巨集觀經濟指標）。...

金融機構和公司，以及個人投資者和研究人員，經常在經濟預測、股市分析或資料本身研究中使用金融時間序列資料（如資產價格、匯率、GDP、通貨膨脹和其他巨集觀經濟指標）。

但細化資料是將其應用於股票分析的關鍵。在本文中，我們將向您展示如何隔離與股票報告相關的資料點。

1:31

平穩和非平穩過程簡介

烹飪原始資料

資料點通常是非平穩的，或者具有隨時間變化的均值、方差和協方差。非平穩行為可以是趨勢、週期、隨機遊動或三者的組合。

通常，非平穩資料是不可預測的，無法建模或預測。使用非平穩時間序列得到的結果可能是虛假的，因為它們可能表明兩個變數之間的關係，其中一個變數不存在。為了得到一致、可靠的結果，需要將非平穩資料轉化為平穩資料。與具有可變方差和均值的非平穩過程不保持接近或隨時間返回長期均值不同，平穩過程圍繞恆定的長期均值進行回覆，並且具有獨立於時間的恆定方差。

非平穩過程的型別

在對非平穩金融時間序列資料進行轉換之前，我們應該區分不同型別的非平穩過程。這將使我們更好地理解這些過程，並允許我們應用正確的轉換。非平穩過程的例子有隨機遊走，有或沒有漂移（緩慢穩定的變化）和確定性趨勢（在序列的整個生命週期內與時間無關的恆定、正或負趨勢）。

純隨機遊走（Yt=Yt-1+εt）隨機遊走預測時間“t”的值將等於最後一個週期值加上一個隨機（非系統）的白噪聲分量，這意味著εt是獨立的，並以均值“0”和方差“0”一致分佈σ²." 隨機遊動也可以稱為一個有序的過程、一個單位根的過程或一個具有隨機趨勢的過程。這是一個非均值回覆過程，可以從一個積極或消極的方向遠離均值。隨機遊走的另一個特點是方差隨時間而演化，並隨著時間的推移而趨於無窮大；因此，無法預測隨機遊走。
帶漂移的隨機遊動（Yt=α + Yt-1+εt）如果隨機遊走模型預測時間“t”的值將等於最後一個週期的值加上一個常數，或漂移(α), 以及白噪聲項(εt），則該過程是隨機遊動的漂移。它也不會恢復到長期平均值，並且具有隨時間變化的方差。
確定性趨勢（Yt=α + βt+εt）通常，帶有漂移的隨機遊動被混淆為確定性趨勢。兩者都包括漂移和白噪聲分量，但是在隨機遊動的情況下，時間“t”處的值在最後一個週期的值（Yt-1）上回歸，而在確定性趨勢的情況下，它在時間趨勢上回歸(βt）是的。具有確定趨勢的非平穩過程有一個圍繞固定趨勢增長的均值，該均值是恆定的，與時間無關。
具有漂移和確定性趨勢的隨機遊走（Yt=α + Yt-1+βt+εt）另一個例子是結合隨機遊動和漂移分量的非平穩過程(α) 一個決定性的趨勢(βt）是的。它透過上一個週期的值、漂移、趨勢和隨機分量來指定時間“t”的值。