阐述指标平稳性及ADF检验

指标平稳性是指时间序列数据的均值、方差和自相关系数等统计特征在时间上保持不变的性质。如果一个时间序列数据具有平稳性，则它的统计特征不会随时间发生明显的变化，因此可以使用历史数据来预测未来的数据。相反，如果一个时间序列数据不具有平稳性，则它的统计特征会随时间变化，因此预测未来数据的可靠性会大大降低。

ADF检验（Augmented Dickey-Fuller Test）是一种常用的检验时间序列数据平稳性的方法。它基于Dickey-Fuller检验，通过引入一些额外的回归变量来增强检验的能力。ADF检验的基本思想是检验时间序列数据的单位根特性，即检验数据中是否存在随机漫步过程。如果数据具有单位根特性，则说明数据不具有平稳性；如果数据没有单位根特性，则说明数据具有平稳性。ADF检验的结果通常会给出一个p值，如果p值小于显著性水平（通常为0.05或0.01），则可以拒绝原假设，即数据具有单位根特性，从而认为数据具有平稳性。