3.2 平稳性原理

3.2 平稳性原理

本节摘要：弱平稳要求一阶二阶矩不随时间走，自协方差只随间隔变。单位根过程方差会涨、冲击有永久记忆，是 ARIMA 里 d≥1 的典型理由。趋势平稳则是围绕确定性斜坡的平稳，差分能用但不是唯一语言。分不清这两种非平稳，就会在「去线性趋势」和「差分」之间选错刀。

你能学到什么

阅读完本节，你应当能够：

1. 对比严格平稳与弱平稳，说明实务为何只用后者。
2. 用随机游走解释单位根：冲击为什么不衰减。
3. 说出伪回归的机制：两条独立的爬坡序列会「显著相关」。

一、矩不动，相关才只依赖间隔

严格平稳：任意一段的联合分布平移后不变。这意味着所有阶矩（若存在）都不随时间变。检验它需要分布整体，实务做不到。弱平稳只锁住前两阶：E(y_t)=μ，Var(y_t)=σ²，Cov(y_t, y_{t-k})=γ_k。有了这三条，ACF ρ(k)=γ_k/γ_0 才是「k 的函数」而不是「t 的函数」，你在 2019 年估的滞后 1 相关，才有理由借给 2024 年用。

均值随 t 走，就是趋势或漂移；方差随 t 走，就是异方差或积分过程；γ 既随 k 又随 t 走，比如相关只在某段政策里存在，则整段一个 AR 系数是幻觉。第 1 章用图和 ADF/KPSS 动手，本章告诉你那些检验在问哪一条。

二、单位根：冲击住下来不走

最简单的单位根：y_t = y_{t-1} + ε_t，随机游走。迭代得 y_t = y_0 + ε_1 + … + ε_t。每一个过去冲击都以权重 1 活在今天。方差是 tσ²，随时间涨，弱平稳的第二条死了。ACF 在有限样本里衰减极慢，因为公共的随机趋势让任意两时刻都像「很像」。一阶差分 Δy_t = ε_t，若 ε 白噪声，差分后立刻平稳，这就是 d=1 的代数来源。

带漂移的随机游走 y_t = c + y_{t-1} + ε_t 会叠一条确定斜坡，差分后留下常数 c。预测长期水平会被 c 决定。AR(1) 里 |φ|<1 时冲击按 φ^k 衰减，这是平稳 AR；φ=1 就是单位根边界。第 2 章看到 AR 系数贴 1 且 d=0，应读成「你可能站在边界上」，而不是「惯性很强真好」。

趋势平稳：y_t = a + b t + 平稳 ARMA。冲击会衰减，长期还是回到那条直线附近。处理它可以：估 b 后对残差建 ARMA，或差分（差分后 b 变成常数）。单位根过程差分是对症；趋势平稳硬差分通常也能用，但会损失水平信息、引入过差分风险。ADF 辅助回归含不含趋势，就是在这两类之间站队。和第 1 章四格打架对照：设定与图不一致时检验会互撕。

💡 关键直觉：单位根是「意外改写历史水平」；趋势平稳是「意外只搅乱，斜坡还在」。仓库扩容若把基数永久抬高，更像单位根或结构折；若每年固定多卖一点且冲击会回去，更像趋势平稳。

三、伪回归：两辆并排爬坡的车

两条彼此独立的随机游走，用普通回归互相解释，t 统计量常常「显著」，R 方不低，残差却高度相关。原因是它们都有随机趋势，公共的「往前走」被当成关系。时间序列上对水平变量直接回归，必须先问各自是否平稳。协整是后话：若干单位根变量的线性组合可能平稳，那是另一套检验。本教程的单变量 ARIMA 不靠协整，它靠差分把自己先变平稳。

⚠️ 常见坑：把「和日历时间的相关系数很高」当成发现了可预测结构。任何带趋势的序列都和 t 高度相关。那是趋势，不是 AR 里的 φ。

结构折（某年改口径、某月换仓）会让整段弱平稳同时破产：折点前后均值或方差不同。ADF/KPSS 在全样本上会混乱。正确动作是分段或加入干预，而不是把 d 加到 2 硬抹。这与第 1 章「检验打架先看图」是同一句话的理论版。

白噪声是弱平稳的特例：γ_k=0（k≠0）。平稳 ARMA 的 γ_k 按特征根衰减，不是零，但是可求和、不随 t 变。所以「平稳」不是「没有自相关」，「有自相关」也不是「非平稳」。第 1 章口诀里 AR 的 ACF 拖尾，拖的是平稳相关，只要拖得够快。慢到像一条直线粘着，才像单位根。

对季节单位根，普通 ADF 不够，季节差分对应「每年这个月减去年这个月」。理论细节放第 4 章，这里只需记住：弱平稳的第三条在季节上要求 γ 只随间隔变，若间隔 12 的相关不衰减，可能是季节积分，不是把普通 d 加一。

四、伪回归的数字直觉，以及协整为什么本课不靠它

两条独立随机游走各走 100 步，普通回归的 t 统计量经常超过 2，R 方可以到 0.3 甚至更高，残差却高度自相关。把两条序列都差分再回归，虚假关系通常消失。这就是为什么单变量 ARIMA 坚持先把自己变平稳：它不声称发现了 y 与另一条序列的关系，它只声称 y 的差分（或水平，若已平稳）可用自己的过去线性描述。若你真正关心两条积分变量是否锁定（如利率与通胀的某种组合），那是协整与误差修正，超出本课。把协整当「可以不差分」的借口，在单变量预报里很危险——没有经过协整检验的水平回归，更可能是伪回归。

严格平稳比弱平稳强：分布整体平移不变。厚尾但二阶矩恒定的序列可以弱平稳却非严格平稳。实务检验只锁二阶，预测区间若靠正态，等于额外假设了更强的东西。这和第 2 章「正态性排第三」一致：弱平稳保证 ACF 有意义，正态保证经典区间有意义，两者不要混成一句「序列平稳所以区间可用」。

单位根检验功效有限，短样本、近单位根（φ=0.95）时很难分清。近单位根的平稳 AR，有限样本表现像随机游走，差分可能仍是务实选择，尽管理论上过差分。这是「最小 d 让图和检验安静」这条经验规则存在的原因：纯理论边界在有限样本里看不清。把 φ=0.95 留在 d=0 上，多步预报会拖很远，和随机游走差不多，却多承担一个平稳性假设。值班时我更怕欠差分把预报沿错误斜坡送走，所以近边界时倾向差一次，再检查是否出现过差分的负 ACF。若出现，再退回。这是有限样本下的来回，不是优柔寡断。

五、动手对照：冲击住不住下来

仓库扩容把基数永久抬高，更像单位根或结构折，差分或分段。每年固定多卖一点且冲击会回到直线，更像趋势平稳，可去趋势。两条独立爬坡序列回归显著，是伪回归，不是发现了关系。φ 贴 1 且 d=0，先查边界，不要当成功惯性。

问题：平稳是不是没有自相关？

不是。平稳 AR 的 ACF 拖尾但衰减够快。慢到像粘着，才像单位根。

问题：近单位根 φ=0.95 怎么办？

有限样本里看不清边界。先差一次看是否出现过差分负 ACF，出现再退回。值班更怕欠差分把预报送飞。

六、场景推演（示意，非真实序列）

冲击住下来不走，是单位根，方差随时间涨，一阶差分对症。冲击会回到直线，是趋势平稳，去趋势或差分都能用，但设定必须和图一致，否则 ADF 与 KPSS 互撕。两条独立随机游走互相回归会显著，差分后再回归虚假关系通常消失，这就是伪回归，也是单变量 ARIMA 坚持先平稳的原因。协整是多变量后话，不能当「可以不差分」的借口。结构折让全样本矩无定义，分段或干预，不是 d=2。近单位根 φ=0.95 有限样本像游走，可先差一次再看负 ACF，出现过差分信号再退。平稳可以有自相关，拖尾快慢才是和单位根的差别。

七、口令卡与计算备忘

口令：弱平稳锁前两阶矩与只随间隔变的协方差。单位根冲击永久进入水平，差分对症；趋势平稳冲击回直线，去趋势或差分，设定必须和图一致。伪回归是爬坡对爬坡。协整不构成本课不差分的借口。结构折让全样本检验失去定义。平稳可以拖尾，只要够快。近边界有限样本可先差再退。严格平稳实务检验不了，区间的正态是额外假设。把「冲击住不住下来」当成选刀口令，仓库扩容与每年固定多卖就不会用错刀。

八、原文要点补全

原文区分严格平稳与弱平稳（二阶平稳）。严格要求联合分布不随平移变，实务难满足。弱平稳三条支撑 ACF 只是 k 的函数。单位根是非平稳的重要来源，随机游走是原型，冲击永久进入水平，方差随 t 涨。趋势平稳是围绕确定性斜坡的平稳，冲击会衰减。伪回归出现在共同随机趋势上，显著不等于有关系。ADF 与 KPSS 原假设相反，辅助回归含不含趋势必须对照图。季节单位根对应季节差分。把「经过适当差分后的序列是平稳的」当作 ARIMA 核心假设，欠差分让 p 去拟合斜坡，过差分制造 MA 单位根。结构折使全样本矩无定义，应分段或干预。

对照表（补全动作）

九、示意算术走一遍

随机游走迭代后等于初始值加所有历史冲击，方差随时间涨，弱平稳第二条死亡。一阶差分若得白噪声，d=1 就够。趋势平稳 y=a+bt+平稳项，冲击会回到直线，辅助回归应含趋势，否则 ADF 会把斜坡当成单位根。两条独立游走互相回归的 t 统计量常超过 2，差分后再回归虚假关系通常消失。近单位根 φ=0.95 有限样本像游走，可先差一次，若出现过差分负相关再退回。把「冲击住不住下来」问仓库扩容与每年固定多卖，选刀就不会只看某一个 p 值。

本章回顾

• 实务用弱平稳：均值方差恒定，协方差只随间隔变。
• 单位根让冲击永久进入水平：方差随 t 涨，差分是对症。
• |φ|<1 冲击衰减，φ=1 是边界：系数贴 1 先查 d。
• 趋势平稳冲击会回到直线：去趋势与差分是不同刀。
• 伪回归来自共同随机趋势：显著不等于有关系。
• 结构折会撕碎整段平稳：分段或干预，不是盲目加 d。
• 平稳可以有自相关：拖尾快慢才是和单位根的差别。

下一节进入 AR：当前值如何写成过去值的线性组合，以及为何 PACF 会截尾。