在时间序列中创建平稳性的问题

Question

我的代码有问题。我想使用R中的ARIMA模型预测股票收益，但是我无法使数据保持稳定。除了将股票价格转换为回报之外，我还尝试了diff函数来区分我的时间序列。我一直认为通过使用两种方法之一可以使数据稳定。但是，当我运行增强的dickey fuller测试（R中的adf.test）时，我的p值显示数据仍然不稳定。我在做什么错了？

documentation

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：