平稳

平稳 (Stationarity)

平稳是时间序列分析中最基础的假设之一，指一个随机过程的统计特性不随时间推移而改变。直观而言，平稳序列在任何时间窗口内都呈现出大致相同的波动特征——没有趋势、没有季节模式、方差不随时间增长。该性质使得基于历史数据的统计推断得以成立：如果过去的规律在未来继续有效，预测才具有合理性。

严格平稳与弱平稳

两种定义在应用中区分明确：

• 严格平稳：任意有限维联合分布对时间平移保持不变。对任意时移 $k$ 和任意 $(t_1,\dots,t_n)$，有： \[ F_{X}(x_{t_1}, \dots, x_{t_n}) = F_{X}(x_{t_1+k}, \dots, x_{t_n+k}) \] 该定义理论上完备，但实践中难以直接验证。
• 弱平稳（协方差平稳）：仅要求前两阶矩恒定——均值为常数 $\mu$，方差为常数 $\sigma^2$，自协方差仅依赖于滞后阶数 $h$ 而与具体时间点无关： \[ E[X_t] = \mu,\quad \operatorname{Var}(X_t) = \sigma^2,\quad \operatorname{Cov}(X_t, X_{t+h}) = \gamma(h) \]

除非序列服从正态分布（此时二阶矩完全决定联合分布），严格平稳强于弱平稳。实证分析中，弱平稳已足以保证大多数计量方法的有效性。

白噪声与自相关

最简平稳过程是白噪声 $\varepsilon_t \sim WN(0, \sigma^2)$——序列无关、零均值、同方差。白噪声是建模的"原子"：许多复杂过程可视为白噪声的线性滤波输出。自相关函数(ACF) $\rho(h) = \gamma(h)/\gamma(0)$ 刻画平稳序列的记忆结构；平稳要求 $|\rho(h)| \to 0$ 随 $h$ 增大而衰减，否则冲击效应永不消失。

单位根与非平稳

许多经济时间序列（GDP、股票价格、汇率）呈现明显的非平稳特征。最常见的非平稳形式是随机游走：

其特征方程存在单位根（系数 $=1$），导致：方差随 $t$ 线性增长至无穷；冲击具有永久效应——今天的扰动永远嵌入序列之中，不会衰减。这与平稳过程形成根本对比。

带漂移的随机游走 $y_t = \alpha + y_{t-1} + \varepsilon_t$ 同时包含确定性趋势和随机趋势，是宏观变量建模的工作母机。区分这两种非平稳类型——趋势平稳(TS) 与 差分平稳(DS)——对经济预测和去趋势方法的选择具有决定性影响。

平稳性检验

常用的统计检验方法：

• ADF检验 (Augmented Dickey-Fuller)：原假设含单位根（非平稳），回归 $\Delta y_t = \alpha + \beta t + \gamma y_{t-1} + \sum \delta_i \Delta y_{t-i} + \varepsilon_t$，检验 $\gamma=0$。拒绝原假设方可认为平稳。
• KPSS检验：与原假设互换——原假设为平稳，备择假设为单位根。配合 ADF 使用：两者结论一致时判断可靠；否则序列可能属于分数整合过程。
• PP检验 (Phillips-Perron)：对误差项的序列相关和异方差使用非参数修正，无需指定滞后阶数。

差分与协整

将非平稳序列变为平稳的经典方法是差分：$\Delta y_t = y_t - y_{t-1}$。若差分 $d$ 次后平稳，称序列为 $I(d)$ ——多数经济变量为 $I(1)$。过度差分会导致信息损失和可逆性破坏，应谨慎对待。

恩格尔与格兰杰于1987年提出协整概念：两个或多个 $I(1)$ 变量可能存在长期均衡关系——它们的线性组合是平稳的。例如消费与收入的差值（储蓄率）长期稳定。协整的存在意味着仅用差分建模会遗漏重要的长期信息，误差修正模型(ECM) 将短期动态与长期均衡统一在一个框架中。

经济应用

平稳性在实证研究中至关重要：

• 伪回归问题：格兰杰与纽博尔德(1974) 证明，对两个独立随机游走直接做 OLS 回归，极易得到"显著"的 $t$ 统计量和高 $R^2$，但关系完全虚假。
• 有效市场假说：萨缪尔森(1965) 证明，在有效市场中资产价格应遵循鞅过程——价格变动不可预测，即收益率序列应平稳而价格序列 $I(1)$。
• 宏观预测：去趋势方法影响对周期的判断。若错误地将差分平稳序列视为趋势平稳，会导致系统性的预测偏差。
• VAR建模：向量自回归要求所有变量平稳，或经协整检验后在 VECM 框架下处理。

延伸：非线性与结构突变

传统平稳性分析假设线性数据生成过程，但现实可能更复杂。结构突变——如政策变化、金融危机——使原先平稳的序列出现均值或趋势的位移，标准 ADF 检验功效大幅下降。Perron(1989) 提出容许已知断点的单位根检验，后续发展为内生断点识别方法。此外，门限自回归(TAR)、马尔可夫转换模型 等非线性框架进一步丰富了平稳概念的边界——序列在某一区制内平稳，但区制间的转换本身使全局非平稳。

平稳作为时间序列分析的基石，连接着概率论、统计推断和经济理论。它的核心洞见在于：唯有将变与不变做出清晰区分，才能从纷繁的时间波动中提取可靠的规律。