平稳与非平稳时间序列差异解析及相关技术问题咨询

一、平稳时间序列：「脾气稳定」的序列 #

简单说，平稳序列就是不管你什么时候观察它，核心特征都保持不变，具体体现在三个关键点：

1. 均值不随时间飘移：比如你每天早上8点测的基础体温（无生病情况），长期来看平均稳定在36.5℃左右，不会突然连续一周涨到37℃。
2. 方差（波动幅度）稳定：比如小区便利店每天的瓶装水销量，平时稳定在100-120瓶，不会某天突然卖500瓶、隔天又只卖20瓶。
3. 自相关性稳定：比如今天的销量和昨天的销量的关联程度，和上个月今天与昨天的关联程度基本一致。

二、非平稳时间序列：「情绪多变」的序列 #

只要打破上面任意一条，就是非平稳序列，生活里随处可见：

• 趋势型非平稳：比如一线城市的房价，从2010年到现在持续上涨，均值一直在往上走，任何时间点看都比前几年高。
• 季节型非平稳：比如冰淇淋的月销量，夏天能卖几千箱，冬天只能卖几十箱，均值随季节剧烈波动。
• 波动突变型非平稳：比如某股票的成交量，平时每天1000万手，遇到重大利好当天突然冲到5000万手，方差直接跳级。

三、为啥平稳性是时间序列分析的核心？ #

做时间序列分析的本质是找规律、做预测，平稳性就是这个过程的「地基」：

1. 经典模型的前提：像AR、MA、ARMA这些常用预测模型，都是默认数据平稳的。如果用非平稳数据跑这些模型，很容易得出「虚假相关」——比如把「全国雪糕销量」和「全国空调销量」放一起，两者都是夏天涨冬天跌，模型会判定它们高度相关，但实际上只是共享了季节性趋势，本身没有直接因果。
2. 规律可复用：平稳序列的规律是「跨时间通用」的，比如你知道便利店水的日均销量是110瓶，波动在±20瓶，那下周的销量大概率也在这个区间。但非平稳的房价，去年的均价参考价值远不如上个月的，规律一直在变。
3. 避免误导性结论：非平稳的趋势或波动会掩盖真实内在规律。比如分析某电商销售额，如果不先去掉「双11暴涨」的季节性波动，可能会误以为「每年11月的增长是因为运营策略好」，但其实只是节日效应。

四、除了平稳/非平稳，还有其他类型的时间序列吗？ #

当然有，这些是实际分析中经常碰到的细分类型：

• 趋势平稳序列：本身有固定趋势（比如每年涨5%），但去掉这个趋势后，剩下的波动部分是平稳的。比如某工厂的月产量，每年固定增加100件，去掉线性趋势后，每月产量波动稳定在±20件。
• 季节性平稳序列：有固定季节周期，去掉季节性成分后是平稳的。比如空调销量，每年夏天是高峰，把「夏季额外销量」去掉后，剩下的日常销量波动是平稳的。
• 协整序列：多个单独看都是非平稳的序列，但它们的某个线性组合是平稳的。比如房价和房租，各自都在涨，但「房租/房价」的比值（租售比）长期稳定在一个区间，这个比值就是平稳的。
• 异方差平稳序列：均值稳定，但方差会随时间变化（比如股票波动率，有时候连续几天波动大，有时候连续几天波动小），这类序列需要用ARCH/GARCH这类专门模型处理。

内容的提问来源于stack exchange，提问作者Javid Chaji