在时间序列中创建平稳性的问题答案

【问题标题】：Problem with creating stationarity in a time series在时间序列中创建平稳性的问题
【发布时间】：2019-04-15 19:36:58
【问题描述】：

我的代码有问题。我想用 R 中的 ARIMA 模型预测股票收益，但我无法让我的数据保持稳定。除了将股票价格转化为回报之外，我还尝试了 diff 函数来区分我的时间序列。我总是假设数据通过使用这两种方法之一变得静止。但是，当我运行增强的 dickey fuller 测试（R 中的 adf.test）时，我的 p 值显示数据保持非平稳。我做错了什么？

enter image description here

提前致谢。

【问题讨论】：

确保在文本中而不是在图像中包含代码。请参阅stackoverflow.com/questions/5963269/…。

标签： r time-series arima

【解决方案1】：

您必须将时间序列分解为数据、季节性、趋势和残差：

library('forecast')
library('tseries')

data$moving_average=ma(data$original, order=7)
moving_average = ts(na.omit(data$moving_average), frequency=30)
decomposition = stl(moving_average, s.window="periodic")
stationary <- seasadj(decomposition)
plot(decomposition)

你会得到：

【讨论】：

首先，谢谢。但是，我计算的回报怎么可能是平稳的，但是一旦我将它们转换为时间序列格式，它们就会变成非平稳的？它实际上是相同的数据，只是格式不同。还是我错过了什么？