وضعیت تست ثبت‌نام: کاربر کاملاً جدید
لوگو
آپلود لوگو
آکادمی تجارت برتر
--:--
حساب کاربری
خانه
دوره آموزشی
مدرسه
خدمات
✓مشاهده‌ی همه‌ی خدماتِ آموزشی (هر بخش)
✓تبدیل تاریخ
✓مبانی آموزشی بازارهای مالی
✕تحلیل بازارهای مالی
✓معرفی بروکر
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
مارکت
✓تبدیل تاریخ
✓مبانی آموزشی بورس اوراق بهادار
✕تحلیل بازار سهام
✓دریافت کد بورسی و سجام
✓معرفی کارگزاری‌ها
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
✓تبدیل تاریخ
✓مبانی آموزشی ارزهای دیجیتال
✕تحلیل بازار کریپتو
✓مقایسه صرافی‌های ارز دیجیتال
✓ثبت‌نام و احراز هویت در صرافی
✓آموزش کیف پول و امنیت
✓معرفی صرافی‌های معتبر
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
مارکت
✓تبدیل تاریخ
✓مبانی آموزشی بازرگانی
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
✓تبدیل تاریخ
✓خدمات حسابداری
✓مبانی آموزشی حسابداری
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
✓تبدیل تاریخ
✓مبانی آموزشی بیمه
✓خدمات بیمه
✓معرفی کارگزاری‌های بیمه
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
✓تبدیل تاریخ
✓خدمات فناوری اطلاعات
✓مبانی آموزشی فناوری اطلاعات
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
✓تبدیل تاریخ
✓خدمات امور اداری
✓مبانی آموزشی امور اداری
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
✓تبدیل تاریخ
✓خدمات آموزشی
✓مبانی آموزشی خدمات آموزشی
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
✓تبدیل تاریخ
✓خدمات بازاریابی
✓مبانی آموزشی بازاریابی
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
✓تبدیل تاریخ
✓خدمات کارآفرینی
✓مبانی آموزشی کارآفرینی
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
✓تبدیل تاریخ
ابزار
۱۰ ابزار آنلاین
دانلود متاتریدر ۴-۵
اندیکاتور
سایت‌های مهم
پایش لحظه‌ای شاخص و نمادها
تقویم مجامع و افزایش سرمایه
دیده‌بان بازار بورس
ماشین‌حساب‌های بورس
سایت‌های مهم
قیمت لحظه‌ای رمزارزها
تقویم رویدادهای کریپتو
محاسبه‌گر سود و ضرر
سایت‌های مهم
محاسبه‌گر حقوق ورودی
چک‌لیست اسناد اعتبار اسنادی
سازنده پیش‌فاکتور
سایت‌های مهم
محاسبه‌گر ارزش‌افزوده
محاسبه‌گر حق بیمه تأمین اجتماعی
پلکان مالیات بر حقوق
چک‌لیست اظهارنامه عملکرد
واژه‌نامه حسابداری و مالیاتی
بانک قوانین و بخشنامه‌ها
یادآور مهلت‌های مالیاتی و بیمه‌ای
محاسبه‌گر جامع فیش حقوق
محاسبه‌گر استهلاک دارایی ثابت
محاسبه‌گر نقطه سربه‌سر
محاسبه‌گر جریمه تأخیر
سایت‌های مهم
ماشین‌حساب دیه
ماشین‌حساب خسارت
مقایسه بیمه‌ها
واژه‌نامه بیمه
بانک قوانین و بخشنامه‌ها
استعلام بیمه‌نامه
یادآور تمدید بیمه
سایت‌های مهم
اخبار
تقویم اقتصادی
انجمن
ارتباط با ما
بازارهای مالی
بورس اوراق بهادار
ارزهای دیجیتال
بازرگانی
حسابداری
بیمه
بازاریابی
کارآفرینی
فناوری اطلاعات
امور اداری
خدمات آموزشی

ریشهٔ واحد و آزمون‌هایِ مانایی (ADF و KPSS)

سطح 1 — داده، بازده و مانایی · مطالعه: 14 دقیقه

گامِ تصادفی (random walk) ساده‌ترین الگویِ قیمت است: Pt = Pt-1 + εt . هر شوک برایِ همیشه در قیمت می‌ماند و واریانسِ سری با گذشتِ زمان بزرگ و بزرگ‌تر می‌شود؛ این سری ریشهٔ واحد دارد و نامانا است. در مقابل، سریِ مانا پس از یک شوک به سطحِ بلندمدتش برمی‌گردد.

دو حالتِ مهم: «مانایِ حولِ روند» (trend-stationary) که با کم‌کردنِ روندِ قطعی مانا می‌شود، و «مانایِ تفاضلی» (difference-stationary) که با تفاضل‌گیری، یعنی ΔPt = Pt − Pt-1 ، مانا می‌شود. اگر سری با یک بار تفاضل‌گیری مانا شود، آن را مرتبهٔ یک انباشته می‌گویند: I(1) . قیمت‌ها معمولاً I(1) و بازده‌هایِ آن‌ها I(0) هستند.

آزمونِ دیکی–فولر تعمیم‌یافته (ADF)

در ADF مدلِ ΔYt = α + γ Yt-1 + Σ φi ΔYt-i + εt برآورد می‌شود. فرضِ صفر γ = 0 یعنی ریشهٔ واحد وجود دارد (نامانا). آماره باید از مقدارِ بحرانی «منفی‌تر» باشد تا فرضِ صفر رد شود. این آماره از توزیعِ t معمولی پیروی نمی‌کند و مقدارهایِ بحرانیِ مخصوصِ دیکی–فولر دارد.

مدلبحرانی ۱٪بحرانی ۵٪بحرانی ۱۰٪
فقط عرض از مبدأ (constant)−3.43−2.86−2.57
عرض از مبدأ + روند−3.96−3.41−3.13

آزمونِ KPSS: نگاهِ مخالف

KPSS برعکسِ ADF است: فرضِ صفرش مانایی است. مقدارِ بحرانیِ ۵٪ در حالتِ مانایِ حولِ سطح ≈ ۰٫۴۶۳ است و اگر آمارهٔ KPSS بزرگ‌تر باشد، مانایی رد می‌شود. استفاده از هر دو آزمون کنارِ هم قابل‌اعتمادتر است.

ADFKPSSنتیجه
رد فرضِ صفررد نمی‌شودسری مانا است
رد نمی‌شودرد فرضِ صفرسری ریشهٔ واحد دارد؛ تفاضل بگیرید
هر دو رد نشوند یا هر دو رد شوند—نتیجه قطعی نیست؛ طولِ نمونه، شکستِ ساختاری یا مدلِ آزمون را بازبینی کنید
مثال (فرضی): آزمونِ ADF روی قیمتِ بستهٔ روزانهٔ یک شاخص آمارهٔ −1.45 داده است؛ این مقدار از −2.86 منفی‌تر نیست، پس ریشهٔ واحد رد نمی‌شود. روی بازده‌هایِ لگاریتمیِ همان شاخص آماره −16.2 است که بسیار منفی‌تر از مقدارِ بحرانی است؛ بازده مانا است. نتیجه: قیمت I(1) و بازده I(0) .
from statsmodels.tsa.stattools import adfuller, kpss
adf_stat, adf_p, *_ = adfuller(price, regression="c", autolag="AIC")
kpss_stat, kpss_p, *_ = kpss(price, regression="c", nlags="auto")
print(adf_stat, adf_p)     # large p => unit root
print(kpss_stat, kpss_p)   # small p => non-stationary

یادآوری: تفاضل‌گیریِ اضافه سری مانا را هم خراب می‌کند (فراتفاضل‌گیری) و ساختارِ مفیدِ داده را از بین می‌برد؛ فقط به‌اندازهٔ لازم تفاضل بگیرید.

🎓 پیام‌رسان تجارت‌برتر
✅
🔒 رمزنگاری فعال
✈️

پیام‌رسان امن آموزشگاهی

ارتباط مستقیم و امن با استاد همان درس و تیم پشتیبانی. همه‌ی گفتگوها تحت نظارت ادمین هستند.

🛡️رمزنگاری سرتاسری
🔐دسترسی نقش‌محور
🕘لاگ حسابرسی کامل
⚠️