主要介绍了使用python实现时间序列白噪声检验方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

一、平稳序列建模步骤 假如某个观察值序列通过序列预处理可以判定为平稳非白噪声序列，就可以利用ARMA模型对该序列进行建模。建模的基本步骤如下： （1）求出该观察值序列的样本自相关系数（ACF）和样本偏自相关系数（PACF）的值。 （2）根据样本自相关系数和偏自相关系数的性质，选择适当的ARMA（p，q）模型进行拟合。 （3）估计模型中位置参数的值。 （4）检验模型的有效性。如果模型不通过检验，转向步骤（2），重新选择模型再拟合。 （5）模型优化。如果拟合模型通过检验，仍然转向不走（2），充分考虑

白噪声检验也称为纯随机性检验， 当数据是纯随机数据时，再对数据进行分析就没有任何意义了， 所以拿到数据后最好对数据进行一个纯随机性检验 acorr_ljungbox(x, lags=None, boxpierce=False) # 数据的纯随机性检验函数 lags为延迟期数，如果为整数，则是包含在内的延迟期数，如果是一个列表或数组，那么所有时滞都包含在列表中最大的时滞中 boxpierce为True时表示除开返回LB统计量还会返回Box和Pierce的Q统计量 返回值： lbvalue:测试

白噪声检验也称为纯随机性检验， 当数据是纯随机数据时，再对数据进行分析就没有任何意义了， 所以拿到数据后最好对数据进行一个纯随机性检验 acorr_ljungbox(x, lags=None, boxpierce=False) # 数据的纯随机性检验函数 lags为延迟期数，如果为整数，则是包含在内的延迟期数，如果是一个列表或数组，那么所有时滞都包含在列表中最大的时滞中 boxpierce为True时表示除开返回LB统计量还会返回Box和Pierce的Q统计量 返回值： lbvalue:测试