在对时间序列做预测前，我们要对数据进行一系列检验，主要是检验数据的稳定性和随机性（白噪声检验），本文主要介绍ADF检验和Ljung-Box检验

ADF检验即单位根检验是指检验序列中是否存在单位根，因为存在单位根就是非平稳时间序列了。单位根就是指单位根过程，可以证明，序列中存在单位根过程就不平稳，会使回归分析中存在伪回归。

下面给出ADF检验的python代码

(-0.04391111656553118, 0.9547464774274733, 10, 22, {'1%': -3.769732625845229, '5%': -3.005425537190083, '10%': -2.6425009917355373}, 291.54354258641223)

结果分析如下： -0.04391111656553118是adt检验的结果，简称为T值，表示t统计量。 0.9547464774274733简称为p值，表示t统计量对应的概率值。 10表示延迟。 22表示测试的次数。 第五个是配合T值一起看的，是在99%，95%，90%置信区间下的临界的ADF检验的值。 291.54354258641223最大滞后门限值门限

首先，-0.04391111656553118大于三个置信区间的临界值，即存在单位根。

其次，p值要求小于给定的显著水平（一般是0.05），等于0最好。本数据中，P值 为 0.9547464774274733,大于0.05，即存在单位根。

所以综上所述，此序列不是平稳序列

下面给出平稳序列的结果 (-4.924087490679005, 3.129856642757301e-05, 19, 636, {'1%': -3.4406737255613256, '5%': -2.866095119842903, '10%': -2.5691958123689727}, 14356.744057311003)

T值小于三个置信区间的临界值，且P值小于0.05接近0，所以不存在单位根，是平稳序列。

Ljung-Box检验即LB检验、随机性检验，用来检验m阶滞后范围内序列的自相关性是否显著，或序列是否为白噪声，Q统计量服从自由度为m的卡方分布。若是白噪声数据，则该数据没有价值提取，即不用继续分析了

下面给出Ljung-Box检验的python代码

结果分析如下

我们主要看第二列的P值，lags为检验的延迟数，一般指定是20，或是序列长度，每一个P值都小于0.05或等于0，说明该数据不是白噪声数据，数据有价值，可以继续分析。

反之如果大于0.05，则说明是白噪声序列，是纯随机性序列。