在时间序列中创建平稳性的问题

Question

我的代码有问题。我想用R中的ARIMA模型来预测股票收益，但我的数据不是固定的。除了将股票价格转换为收益外，我还尝试了diff函数来区分我的时间序列。我总是假设数据通过使用这两种方法中的一种而变得稳定。然而，当我运行一个增强的dickey fuller测试(R中的adf.test)时，我的p值显示数据仍然是非平稳的。我做错了什么？

enter image description here

提前谢谢。

Answer 1

您必须将时间序列分解为数据、季节、趋势和残差：

library('forecast')
library('tseries')

data$moving_average=ma(data$original, order=7)
moving_average = ts(na.omit(data$moving_average), frequency=30)
decomposition = stl(moving_average, s.window="periodic")
stationary <- seasadj(decomposition)
plot(decomposition)

您将获得：

​

​