ADF 测试结果与 arima 的 ndiff 不匹配
The result of ADF test doesn't match to ndiff of arima
我尝试在时间序列数据集（stock sp-500）上使用 ARIMA 模型。
在向 ARIMA 模型输入数据之前，我想知道时间序列是否具有平稳性。
所以，我选择了代码为“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 来为 ARIMA 模型找到合适的差异数（据我所知，在 ARIMA 模型上设置这个数字会使时间序列具有平稳性）。
并且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：）
但是ndiff的结果是0.
根据我的理解，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：如果时间序列不平稳，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
pmdarima 中的函数很棒，但并非万无一失。此外，这实际上取决于您的数据。差分是使数据平稳的好方法，但有时它不起作用。它通常用于去除数据中的趋势，季节差分用于去除季节性。
股票价格或标准普尔指数等指数不是季节性的，甚至趋势也很难检测或量化。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......）来使数据平稳，这样的事情可以' pmdarima 甚至 ADF 测试总是检测不到。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，那么需要倒数：
inverted_data = numpy.epx(your_predictions)
我尝试在时间序列数据集（stock sp-500）上使用 ARIMA 模型。
在向 ARIMA 模型输入数据之前，我想知道时间序列是否具有平稳性。
所以，我选择了代码为“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 来为 ARIMA 模型找到合适的差异数（据我所知，在 ARIMA 模型上设置这个数字会使时间序列具有平稳性）。
并且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：
但是ndiff的结果是0.
根据我的理解，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：如果时间序列不平稳，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
pmdarima 中的函数很棒，但并非万无一失。此外，这实际上取决于您的数据。差分是使数据平稳的好方法，但有时它不起作用。它通常用于去除数据中的趋势，季节差分用于去除季节性。
股票价格或标准普尔指数等指数不是季节性的，甚至趋势也很难检测或量化。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......）来使数据平稳，这样的事情可以' pmdarima 甚至 ADF 测试总是检测不到。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，那么需要倒数：
inverted_data = numpy.epx(your_predictions)