Augmented Dickey-Fuller Test（ADF测试）

如果一个时间序列没有趋势，随着时间的推移表现出恒定的方差，并且随着时间的推移具有恒定的自相关结构，则称其为“平稳”。检验时间序列是否平稳的一种方法是执行Augmented Dickey-Fuller检验。

python中有现成的包可以计算ADF Test，记录下这个包的主要参数和使用情况：

from statsmodels.tsa.stattools import adfuller

#perform augmented Dickey-Fuller test
data = [3, 4, 4, 5, 6, 7, 6, 6, 7, 8, 9, 12, 10] # 随便找一个时间序列
adfuller(data)

(-0.9753836234744063,
 0.7621363564361013,
 0,
 12,
 {'1%': -4.137829282407408,
  '5%': -3.1549724074074077,
  '10%': -2.7144769444444443},
 31.2466098872313)

返回值中：

• adf统计量，用于跟下面的临界值对比。
• pvalue。数据不稳定的概率，用起来更方便，越小说明是平稳的，例如<0.05。
• 延迟数。
• 本次使用的样本数量。
• 判断临界值的字典。