判斷時間序列是定態或非定態非常重要。若為定態，你可以使用 ARMA 模型來預測後續的數值；若為非定態，就不能直接使用 ARMA 模型。不過，如你將在下一個單元看到的，非定態時間序列通常可以轉換為定態。
在這個練習中，你會檢視一些股票與地震的資料集，以判斷哪些已經可以用來建立 ARMA 模型，哪些還需要進一步處理才能變成定態。
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
直接上手，先了解時間序列最重要的性質。你會認識平穩性，並了解它對 ARMA 模型為何重要。你會學會用肉眼與標準統計檢定來測試平穩性。最後，會學到 ARMA 模型的基本結構，並用它來產生 ARMA 資料並擬合一個 ARMA 模型。
當前練習
本章接下來的重點，是讓你預測資料中未來的走向。你會學會使用俐落的 statsmodels 套件來擬合 ARMA、ARIMA 與 ARMAX 模型。接著，你會用模型來預測股價充滿不確定性的未來！
在本章中，你將成為一位品味獨到的建模者。你會學會如何從資料本身辨識出有潛力的模型階數；然後在訓練出最有希望的模型後，學會如何從這些已擬合的模型中選出最佳者。你也會學到一套很好的架構，來組織你的時間序列專案。
在最後一章，你會學會如何使用季節性 ARIMA 模型來擬合更複雜的資料。你會學會將資料分解為季節性與非季節性部分，接著把所有 ARIMA 工具整合起來，挑戰最後一個全球性預測任務。
