Ljung-Box检验即LB检验，是时间序列分析中检验序列自相关性的方法。LB检验的Q统计量为：
image.png
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。
LB检验可同时用于时间序列以及时序模型的残差是否存在自相关性（是否为白噪声）。Python的statsmodels包提供了该检验的函数：
from statsmodels.stats.diagnostic import acorr_ljungbox as lb_test
函数输入 lb_test(x,lags=None,boxpierce=False):
x：检验的时间序列
lags(int,list or None)：检验的延迟数，
若为None则输出min((nobs // 2 - 2), 40)，其中nobs为观测样本数量，样本较大的情况下输出40
boxpierce:若为True，则同时输出boxpierce统计量的检验结果
（Box-Pierce检验为白噪声检验的另一个版本，是LB检验的前身）
函数输出：
LB统计量值（array）
LB-p值（array）
若boxpierce=True，则继续输出BP统计量的值和相应p值
作为样例，选取了一段市场指数的回报率进行检验，输出p值序列：
plt.plot(lb_test(df_list[index_list[0]]['Return'])[1])
plt.show()
image.png
在延迟超过5时，p值下降到0.05置信度以下，可以认为出现显著的自回归关系，且序列并非白噪声