成对交易模型——基本概念

平稳过程 Stationary process

在数学中，平稳过程（英语：Stationary process），又称严格平稳过程（英语：Strict(ly) stationary process）或强平稳过程（英语：Strong(ly) stationary process）是一种特殊的随机过程，在其中任取一段期间或空间（）里的联合概率分布，与将这段期间任意平移后的新期间（）之联合概率分布相等。这样，数学期望和方差这些参数也不随时间或位置变化。例如，白噪声（AWGN）就是平稳过程，铙钹的敲击声是非平稳的。尽管铙钹的敲击声基本上是白噪声，但是这个噪声随着时间变化：在敲击前是安静的，在敲击后声音逐渐减弱。在时间串行分析中稳态作为一个工具使用，在这里原始数据经常被转换为平稳态，例如经济学数据经常随着季节或者价格水平变化。如果这些过程是平稳过程与一个或者多个呈现一定趋势的过程的线性组合，那么这些过程就可以表述为趋势平稳。将这些数据进行转换保留平稳数据用于分析的过程称为解趋势（de-trending）。采样空间也是离散的离散时间平稳过程称为Bernoulli scheme，离散采样空间中每个随机变量可能取得 个可能值中的任意一个。当的时候，这个过程叫做伯努利过程。

如果有一个信号 x 对于所有 k 都满足以下条件，则它就是一个平稳过程：

也就是说，x [n] 和 x [m] 的联合概率分布 (Joint Distribution)，只和 m 和 n 的时间差有关，和其他参数都没有关系。另外，上述对于平稳过程的定义，在 m 等于 n 的情况下，也同样会满足上述情况，因此，如果是一个平稳随机过程的话，应该也满足以下条件：

也就是说，一个平稳过程的概率密度函数（PDF）在任意时间点 n 都是相同的，也就是说，这会是一个和当下时间点没有关系（time independent）的函式。因此，根据上面的定义，我们可以推导出，对于平稳过程的自相关函数（autocorrelation）也只和时间差有关，和本身的时间点没有关系。如果假设时间差是 k，则可以得到公式如下：

此外，借由这些公式也可以得知，平稳过程的平均数（mean）和方差（variance）也都和时间点 n 没有关系，在任意时间点的值都是相同的，可以表示成如下的形式：