为什么我在adfuller测试中得到了pvalue 0.00000？

Question

我和ARIMA一起工作。为了使数据保持平稳，我使用log转换数据，然后使用shift减去值。当我用滚动平均值和adfuller测试再次测试时。我得到的p值是0.0000为什么是这样

我的代码：

import numpy as np 
import pandas as pd 
from statsmodels.tsa.stattools import adfuller
import matplotlib.pyplot as plt
df =
Date        open         high         low        close       adjclose    Volume
2010-06-30  5.158000    6.084000    4.660000    4.766000    4.766000    85935500
2010-07-01  5.000000    5.184000    4.054000    4.392000    4.392000    41094000
df['Date']=pd.to_datetime(df['Date'], infer_datetime_format=True)
df=df.set_index(['Date'])
def test_ad(values):
    mvm = values.rolling(window=12).mean()
    mvstd = values.rolling(window=12).std()
    orig = plt.plot(values,color='blue',label='org')
    mean = plt.plot(mvm,color='red',label='mvm')
    std=plt.plot(mvstd,color='black',label='mvstd')
    plt.legend(loc='best')
    plt.show(block=False)
    result=adfuller(values)
    print('ADF Statistic: %f' % result[0])
    print('p-value: %f' % result[1])
    print('Critical Values:')
    #labels = ['ADF Test Statistic','p-value','#Lags Used','Number of Observations Used']
    for key, value in result[4].items():
        print('\t%s: %.3f' % (key, value))
    if result[1] <= 0.05:
        print("Data is stationary")
    else:
        print("non-stationary ")

test_ad(df['Close'])

其中：

ADF Statistic: 6.450459
p-value: 1.000000
Critical Values:
    1%: -3.433
    5%: -2.863
    10%: -2.567


df['log']=np.log(df["Close"])
df['close']=df['log']-df['log'].shift()
#df['close']=df['log'].diff()
test_ad(df['close'].dropna())

给

ADF Statistic: -50.361617
    p-value: 0.000000
    Critical Values:
        1%: -3.433
        5%: -2.863
        10%: -2.567

该图看起来是静止的，正如上面所示，临界值也得到了满足

Answer 1

你可以看到你的ADF统计值远小于临界值1%，因此你的p非常小

让人困惑的是，您正在使用%f打印此值，默认情况下（即未指定精度，例如%.2f包含2个小数或%.10f包含10个小数）仅在点后包含6个小数

如果要完整地打印值（例如print('p-value: %s' % result[1])，将p值视为字符串（因此无需指定精度），或者在f字符串print(f'p-value: {result[1]}')中打印，您会看到p值实际上大于0（尽管仍然非常小）