Временной ряд считается нестационарным, если его статистические характеристики, такие как среднее значение, дисперсия и автокорреляция, изменяются со временем. Это означает, что поведение ряда не является постоянным на протяжении всего временного периода. Рассмотрим подробнее, что это означает:

• Среднее значение: Если среднее значение временного ряда изменяется на разных временных интервалах, то ряд нестационарен. Например, если в начале наблюдений среднее значение было 10, а через несколько лет стало 15, это указывает на нестационарность.
• Дисперсия: Если разброс данных (дисперсия) меняется со временем, это также свидетельствует о нестационарности. Например, если в начале наблюдений данные колебались в пределах 2 единиц, а позже — в пределах 5 единиц, то ряд нестационарен.
• Автокорреляция: Если автокорреляция (взаимосвязь между значениями ряда в разные моменты времени) зависит от времени, это также указывает на нестационарность. Например, если значения в одной части временного ряда сильно коррелируют, а в другой части — нет, это признак нестационарности.

Существует несколько типов нестационарности, включая:

• Сезонная нестационарность: Когда данные имеют регулярные колебания в определенные сезоны или периоды.
• Трендовая нестационарность: Когда данные показывают устойчивый рост или падение с течением времени.

Чтобы работать с нестационарными временными рядами, часто применяют методы преобразования, такие как дифференцирование или логарифмирование, чтобы сделать ряд стационарным. Это позволяет использовать стандартные методы анализа временных рядов, такие как ARIMA.