مانایی (stationary) در سری های زمانی
تحلیل داده های سری زمانی، یکی از پرکاربردترین و درعین حال زیباترین مباحث در اقتصاد و مالی است. هم از این جهت که بیشتر داده های ما در طول زمان شکل می گیرند و هم از این جهت که قواعد نظام مندی برای تحلیل داده های سری زمانی وجود دارد.
برای استفاده از بیشتر مدل های تحلیل داده های سری شرط اصلی مانا بودن داده هاست. مانایی یا ایستایی (stationary) به معنای آن است که در طول زمان میانگین و واریانس داده ها یکسان باشد و البته کوواریانس هم تابعی از زمان نباشد. به عبارت دیگر لازم است اجزای تشکیل دهنده سری زمانی را با روش هایی از یکدیگر جدا کنیم.
برای تشخیص مانایی یک سری زمانی هم می توان از شکل استفاده کرد و هم می توان از مدل دیکی فولر کمک گرفت.
در تصویر این پست، یک سری زمانی مانا و سه سری زمانی نامانا نمایش داده شده است.
ان شاء الله در پست های آتی مطالب مفصلی را در خصوص سری های زمانی و نیز تحلیل آنها در پایتون تقدیم می کنم.

#مانایی
#سری_زمانی
#ایستایی
#دیکی_فولر
#پایتون_مالی
#آموزش پایتون

#stationary
#Time_series
#Dickey_Fuller
#python

مانا سازی داده ها
برای مانا سازی داده ها، در صورتی که داده ها دارای روند باشند، با روش هایی روند را از سری زمانی جدا می کنیم و یا اصطلاحا روند زدایی می کنیم. اگر داده ها از رفتار گام تصادفی پیروی کنند، معمولا از تفاضل گیری استفاده می کنیم. برای تفاضل گیری کافی است داده ها را یک زمان از یکدیگر کسر کنیم. آنقدر این کار را تکرار می کنیم،تا داده ها مانا شوند.
البته این روش یک اشکال بزرگ دارد و آن اینکه که با هر بار تفاضل گیری، یک ردیف از داده ها را از دست می دهیم. در صورتی که حجم داده ها زیاد باشد این موضوع مسئله مهمی نیست اما در صورتی که حجم داده ها کم باشد، ممکن است در تحلیل های آتی دچار مشکل شویم.
در تصویر این پست، یک مثال ساده از تفاضل گیری نمایش داده شده است. در مثال بعدی، با داده های واقعی در پایتون موضوع را بررسی می کنیم.
#مانایی
#تفاضل_گیری
#سری_زمانی
#ایستایی
#دیکی_فولر
#پایتون_مالی
#آموزش پایتون

#stationary
#Difference
#Time_series
#Dickey_Fuller
#python

بررسی مانایی داده ها اینبار با آزمون دیکی فولر
آزمون دیکی فولر(Dickey-Fuller) یکی از آزمون های متداول برای بررسی آزمون ریشه واحد و مانایی داده هاست.
فرض H0 این است که داده ها مانا نیستند و برای رد فرض صفر، لازم است که مقدار P-value کمتر از 0.05 باشد. به زبان ساده تر بعد از آزمون دیکی فولر اگر مقدار P-value کمتر از 0.05 شد به معنای آن است که داده ها مانا هستند.
در مثال پست قبل با استفاده از تفاضل گیری، داده های شاخص s&p را مانا کردیم و در شکل نمایش دادیم. در این پست با استفاده از آزمون دیکی فولر این بررسی را انجام می دهیم. همانطور که در نتیجه آزمون مشخص است، بعد از تفاضل گیری، داده مانا شده است.
ان شاء الله در پست های آتی در خصوص پیش بینی داده های مالی (مانند شاخص، قیمت سهم و ...) از طریق سری های زمانی صحبت خواهیم کرد.

#سری_زمانی
#مانایی
#دیکی_فولر
#پایتون مالی
#Dickey_Fuller

عضویت در کانال 👇👇👇

تلگرام t.me/python4finance
بله ble.ir/python4finance
اینستاگرام: instagram.com/python4financeacademy