Stationarity test

Тест стационарности проверяет, устойчивы ли основные характеристики ряда — среднее, дисперсия, характер колебаний — во времени. Стационарный ряд колеблется вокруг постоянного уровня с одинаковым разбросом. Это важно: классические модели прогнозирования (авторегрессия, регрессия) требуют стационарности данных, иначе коэффициенты ненадёжны, а прогнозы ловят случайный дрейф вместо реальных закономерностей.

Тест основан на проверке единичного корня. Берут исходный ряд, вычисляют изменения и строят регрессию изменений на предыдущее значение. Если влияние прошлого значения значимо и близко к нулю, ряд содержит стохастический тренд и нестационарен. Например, тест ADF выдаёт p-значение: если оно меньше порога, нулевая гипотеза о нестационарности отвергается.

Практический пример: аналитик хочет спрогнозировать цены акций. Котировки обычно ведут себя как случайное блуждание — это нестационарность. ADF-тест показывает большое p-значение. Тогда берут логарифмические доходности — они стабильны, тест подтверждает стационарность. Строят модель на доходностях, а прогноз переводят обратно в цены. Без теста получилась бы бессмысленная модель с мнимыми зависимостями.

Итог: тест стационарности — обязательный этап анализа временных рядов. Он определяет, можно ли использовать стандартные методы, или данные нужно преобразовать, например, взять разности или логарифмы. Это простое правило экономит время и защищает от ошибок в прогнозировании.