其他变换
差分通常是让时间序列平稳化时首先尝试的变换。但有时它并不是最佳选项。
处理股票时间序列的经典方法是取对数收益（log-return）。其计算方式为： $$log\_return ( y_t ) = log \left( \frac{y_t}{y_{t-1}} \right)$$
亚马逊股票的时间序列已以 amazon 加载为您准备好。您可以通过如下替换来计算该 DataFrame 的对数收益：
- \(y_t \rightarrow\)
amazon - \(y_{t-1} \rightarrow\)
amazon.shift(1) - \(log() \rightarrow\)
np.log()
在本练习中，您将比较亚马逊股票时间序列的对数收益变换与一阶差分，找出哪一种更有利于使时间序列平稳。
本练习是课程的一部分
Python 中的 ARIMA 模型
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Calculate the first difference and drop the nans
amazon_diff = ____
amazon_diff = amazon_diff.dropna()
# Run test and print
result_diff = adfuller(amazon_diff['close'])
print(result_diff)