0
Ich benutze adfuller, um zu erkennen, ob die Ausgabe einer stochastischen Simulation ein Gleichgewicht erreicht hat. Ich dachte, dass der Augmented Dickey Fuller-Test diese Aufgabe erfüllen würde, aber es ist stationär, wo die Werte immer noch nicht stabil sind. Zum Beispiel werden die Werte in diesem Bild deutlich rückläufig:statsmodels adfuller für starke Stationarität
Aber läuft dies:
results = = adfuller(values, regression="c")
bekam ich dieses Ergebnis:
- p-Wert: 8.73279419229e- 06
- adf: -5.20143922846 mit 1% von -3.46469407554
Wie wird die Nullhypothese einer Einheitswurzel zurückgewiesen? Ich dachte, wenn ich feststelle, dass die Regression nur eine Konstante hat, dann werden Zeitreihen mit Trends nicht als stationär identifiziert. Mache ich etwas falsch?
Try 'Regression = "NC"' ablehnen. AFAICS, der Trend/Regressionsterm wird zu der Regression für die differenzierte Reihe hinzugefügt, d. H. Eine Konstante bedeutet, dass es eine Drift gibt. Ihre Reihe sieht ungefähr stationär aus, nachdem sie mit einem Mittelwert ungleich Null verglichen wurde. Der Docstring könnte ein wenig mehrdeutig sein. – user333700
Abgesehen von dem Problem: Wenn Sie testen möchten, ob sich die Serie ungefähr auf eine Konstante festgelegt hat, dann würde ich einen gefensterten Trendtest durchführen, der höchstwahrscheinlich mehr Leistung als ADF hat. – user333700
Ich sehe Ihren Punkt über den Trend-Test ... Ich habe diese Konstante falsch verstanden bedeutet, dass die Drift konstant ist (irgendwie nahm ich an, dass es bedeutet, dass der Mittelwert konstant war). Danke für die Hilfe! –