一、本节目标
定义平稳性
描述确定平稳性的方法
解释如何转换非平稳时间序列数据
使用Python识别和转换非平稳时间序列数据
二、平稳性
固定时间序列是指基本系统没有变化的时间序列。
恒定平均值（没有趋势）
恒定方差
常数自相关结构
无周期性成分（没有季节性）
平稳性是许多时间序列预测模型中的一个基本假设
如果没有它，许多基本的时间序列模型就会崩溃。
在建模之前，可以应用变换将非平稳时间序列转换为平稳时间序列。
虽然有更先进的时间序列模型可以处理非平稳数据，但是了解关于平稳性的基础知识是十分必要的。
三、自相关
自相关是时间序列分析中的一个关键概念。
自相关是两个不同时间的测量值之间的相关性。
值之间的时间间隔称为滞后。
例如，股票价格可以通过1的滞后值从一天到下一天进行关联。
自相关通常会产生一种模式，而没有自相关的时间序列会表现出随机性。