ADF 测试的结果与 arima 的 ndiff 不匹配 [关闭]答案

【问题标题】：The result of ADF test doesn't match to ndiff of arima [closed]ADF 测试的结果与 arima 的 ndiff 不匹配 [关闭]
【发布时间】：2022-01-25 18:17:34
【问题描述】：

我尝试在时间序列数据集（股票 sp-500）上使用 ARIMA 模型。

在将数据输入到 ARIMA 模型之前，我想知道时间序列是否具有平稳性。

所以，我选择股票代码为“APA”（Apache Corporation）的股票，我使用包statsmodels.tsa.stattools中的adfuller来测试时间序列是否具有平稳性。

我还使用了 pmdarima.arima 包中的 ndiff 来找到适合 ARIMA 模型的差异数（据我了解，在 ARIMA 模型上设置此数字会使时间序列具有平稳性）。

而adfuller的p值大于0.05，所以我认为时间序列没有平稳性（我在这里找到结论：How to interpret adfuller test results?）

但是ndiff的结果是0。

据我了解，这有点奇怪，因为adfuller 表明时间序列没有平稳性，而ndiff 表明不需要设置 ARIMA 差分项。

我的问题是：如果时间序列非平稳，ndiff 的结果不应该大于0 吗？

测试代码：

数据集：https://www.kaggle.com/hanseopark/prediction-of-price-for-ml-with-finance-stats/data

完整代码：https://gist.github.com/bab6426c0e8a10472c924755c1f5ff67.git

【问题讨论】：

不是一个 programming 问题，因此这里离题了；请参阅stackoverflow.com/tags/machine-learning/info 中的介绍和注意事项。我建议您将其移至交叉验证（在您将屏幕截图替换为代码的实际文本之后）。

标签： python statistics time-series statsmodels arima

【解决方案1】：

pmdarima 的功能很棒，但并非万无一失。此外，这实际上取决于您的数据。差分是使数据静止的好方法，但有时它不起作用。它通常用于去除数据中的趋势，而季节性差异用于去除季节性。

股票价格或标准普尔等指数不是季节性的，甚至趋势也难以检测或量化。相反，这样的时间序列通常有很多不规则性，起伏等，在这种情况下，您可能需要应用对数（或组合，或其他东西......）来使数据静止，这样的事情可以' t 总是被pmdarima 甚至 ADF 测试检测到。它们是很棒的工具，但您不能完全依赖它们。

对数解是这样的：

your_dataframe["your_stationary_feature"] = numpy.log(your_dataframe["your_feature"])

如果你预测的是对数数据，那么它需要倒置：

inverted_data = numpy.epx(your_predictions)

【讨论】：