平稳性是指时间序列数据的统计特性在不同时间段内保持稳定的性质。
具体来说，平稳性要求时间序列的均值、方差和自相关函数不随时间的推移而发生显著变化。
这意味着时间序列的统计特性在不同时间段内具有相似的分布和趋势。
非平稳性则是指时间序列数据的统计特性在不同时间段内发生显著变化的性质。
具体来说，非平稳性表现为时间序列的均值、方差和自相关函数随时间的推移而发生变化。
这意味着时间序列的统计特性在不同时间段内具有不同的分布和趋势。
平稳性与非平稳性是时间序列分析中非常重要的概念。
对于平稳性的时间序列数据，我们可以应用许多经典的时间序列分析方法，如自回归移动平均模型（ARMA）、自回归积分移动平均模型（ARIMA）等。
而对于非平稳性的时间序列数据，我们需要先对其进行差分、对数变换等预处理方法，使其转化为平稳性的数据，然后再进行分析和建模。
在实际应用中，我们需要根据具体问题和数据的特点来判断时间序列数据的平稳性或非平稳性。
平稳性的时间序列数据更容易进行预测和建模，而非平稳性的时间序列数据则需要进行适当的处理才能得到可靠的分析结果。
因此，对于时间序列分析的研究和应用，平稳性与非平稳性的概念是非常重要的基础知识。
该名词用来描述随机过程生成的时间序列数据。通俗理解，若随机截取未来某个时间段，若数据特性仍与当前保持一致，则称为平稳，不一致则称为不平稳。以上描述仍存在偏差，可结合平稳性定义理解
