Данные стационарных и нестационарных временных рядов

Question

Для некоторых этот вопрос может показаться тривиальным, но я просто заинтересовался анализом временных рядов и читал об этом в последние пару дней.Однако мне еще предстоит разобраться с темой идентификации стационарных / нестационарных данных временных рядов.Я сгенерировал некоторые данные временных рядов двух измерений, используя какой-то инструмент, который нашел.Составляя график, я получаю что-то похожее на это изображение: Глядя на график, я думаю, что он показывает некоторые сезонности (с шипом в середине), и я бы сказал, что он не стационарный.Однако, выполнив тест на стационарность, как описано в Machine Learning Mastery , он прошел тест на стационарность (тесты говорят, что он стационарный).Теперь я запутался, может быть, я не понял, что означают времена года и тенденции в данных временных рядов.Я ошибаюсь, думая, что шипы намекают на времена года?

Answer 1

Судя по графику, ваши данные выглядят как белый шум, который является типом стационарных случайных данных.Стационарный временной ряд имеет постоянное среднее (в вашем случае ноль), дисперсию, автокорреляцию и т. Д. Во времени.

Сезонность - это регулярные закономерности, которые встречаются с определенными календарными интервалами в течение года, например квартальные, месячные или дневные.Соответственно, большие пики на участке обычно не указывают на сезонность.

Напротив, следующий временной ряд (с использованием R) демонстрирует тенденцию к росту, месячную сезонность и возрастающую дисперсию:

plot(AirPassengers)

В итоге временной ряд AirPassengers не является стационарным.