白噪声与随机游走：时序的两种底色

可视化演示

白噪声：收音机的沙沙底噪

监控画面里的雪花不是故障，而是感光元件热运动造成的物理底噪。它有一份奇特的“稳定”：每一个亮点都独立出现，但整片雪花的浓淡程度始终差不多。把视频拆成帧，固定像素的亮度值随时间画出来，就是这个位置的“白噪声”序列——它是底噪，是信号之外最纯粹的随机背景。

在时间序列里，白噪声指每个时刻的取值都像抽签一样，独立地从同一个分布中取出来。它没有趋势、没有周期、没有记忆：昨天是 0.5 还是 -0.5，对今天取值毫无提示。三个“恒定”是它的身份证：均值恒定、方差恒定、任意两时刻互不相关。最常用的高斯白噪声，就是服从均值为 0、方差为 σ² 的正态分布的独立序列。

从业者最需要记住的是“无自相关”这个标签。现实中，ARIMA 等模型的残差如果达到白噪声标准，就说明模型已经尽可能榨干了数据中的信息；残差里剩下的是纯粹的、不可再解释的随机波动。

所以当你检验一个序列“像不像雪花”时，其实是在验证它是否没有记忆——没有记忆才算是纯正的底噪；有记忆，说明画面里还藏着未出场的角色。

白噪声检验：测噪仪的读数

肉眼永远无法确认雪花是纯随机的，因为人脑天生擅长找模式。监控工程师会拿出测噪仪，用仪表读数代替眼睛判断。时间序列分析中的“测噪仪”，就是 Ljung-Box 检验：它统计前 m 阶自相关系数的“总能量”，判断这些系数是否一起显著异于零。

测噪仪的工作原理很简单。如果序列真的是白噪声，样本自相关系数 ρ̂_k 应该在 0 附近小幅波动；把这些波动平方并加权求和，得到一个 Q 统计量，Q 越大说明自相关能量越强。在原假设“前 m 阶自相关均为 0”成立时，Q 近似服从自由度为 m 的卡方分布。

实际操作中我们看 p 值：p 大于 0.05，不能拒绝原假设，可认为序列接近白噪声；p 小于等于 0.05，拒绝原假设，自相关显著存在。做模型残差诊断时，这个 p 值超过 0.05 是“残差合格”的通行证。

测噪仪的读数要结合样本量一起看。30 个点的雪花很容易被误判为“有规律”，所以分析师通常要求样本不少于 100，再综合 ACF 图一起读，避免单一指标骗人。

随机游走：醉汉的长征

监控里的醉汉每迈出一步，都在随机方向上产生一个位移，而新位置永远等于旧位置加上这一步的随机增量。一次醉步不会影响下一次的方向，但会沉淀进他的坐标里，成为永久位移。这正是随机游走模型的画面：今天的值等于昨天的值，加上一个不可预测的白噪声增量。

用公式写就是 X_t = X_{t-1} + ε_t，其中 ε_t 是白噪声。把式子反复展开，X_t = X_0 + ε_1 + ε_2 + …… + ε_t，今天的值，是历史全部扰动的总账。每一笔扰动都永远留在系统里，不会衰减、不会消失。

它和白噪声最直观的区别在于：白噪声是“每一瞬间无记忆的取值”，随机游走是“无记忆增量的累积”。这个累积让序列天生不平稳，也让它与“围绕常数波动”的白噪声彻底分道扬镳。

醉汉走得再远，你都无法预测他下一步方向；但你能确定的是，他离路灯的距离会随时间变大——这就是下一个特征，方差膨胀。

统计特征：原地抖动 vs 越走越远

雪花和醉汉的统计画像，一张表就能说清。白噪声的均值恒定、方差恒定；随机游走无条件均值保持初始位置，但方差随时间线性膨胀。一个是原地抖动的均匀底噪，一个是越走越散的漫游路径。

方差膨胀可以给个直觉：单人单步位移的方差是 σ²，t 步之后位置是 t 个独立位移之和，根据方差加法法则，Var(X_t) = tσ²。时间越久，醉汉的位置不确定度越大，你越难猜他在哪。这就是为什么对随机游走做预测，预测区间会随预测步数越拉越宽。

自相关结构也截然不同。白噪声的 ACF 在所有滞后阶近似为 0；随机游走的 ACF 却几乎不衰减，因为当前位置里含着所有历史扰动，相距再远的两天也共享大部分“共同记忆”。

记住口诀：白噪声是“原地抖”，随机游走是“有记忆地飘”。这一飘一抖，正是模型诊断里区分信号与噪声的关键尺度。

检测指标：两条路怎么分

监控画面里区分雪花与醉汉，先看两帧有没有关联，再看整体稳不稳定。时序分析中对应两大指标：ACF 形态与单位根检验。ACF 第一阶就掉进置信区间、像雪花一样“断片”的，是白噪声特征；ACF 从 1 附近缓慢衰减、像醉汉轨迹一样纠缠的，是随机游走特征。

更严谨的做法是 ADF 单位根检验，原假设是序列有单位根（非平稳）。p 值足够小时拒绝原假设，认为序列平稳；反之则不能排除随机游走。注意随机游走是“带记忆的累积”，时高时低、永不回归常数，这与周期性序列有本质区别。

随机游走最常用的转化手段是一阶差分：ΔX_t = X_t - X_{t-1} = ε_t，差掉的是记忆，留下的是雪花。这也是 ARIMA 模型中 d=1 的由来——差分一次，非平稳变平稳。

所以判断流程的终点往往指向同一句话：如果差分后的残差变回了白噪声，那原序列大概率就是随机游走。

金融映射：股价里的醉汉与雪花

金融分析师每天看盘，就像盯着监控里的醉汉。有效市场假说认为，股价已包含所有公开信息，真正的“新信息”不可预测——于是价格被建模成随机游走，而对数收益率被建模成白噪声。

设 P_t 为时刻 t 的价格，对数收益率 r_t = ln P_t - ln P_{t-1}。价格是醉汉的脚印：有记忆、非平稳、越走越远；收益率是雪花：无记忆、平稳、围绕零抖动。两者是同一枚硬币的两面：价格不可预测，不代表市场没有规律，而是说“已经实现的规律”全被定价进去了。

这带来一个重要推论：对随机游走做线性外推（用昨天的价格预测明天的价格），并不会比“就用今天的价格”更好。因此随机游走常作为预测模型的“基准线”——如果新模型连随机游走都打不过，就没有存在价值。

下次看到“冲上 3000 点”的激动标题，心里默念：点位是醉汉，收益率才是可以检验的雪花。判断市场预测模型好坏，先看它有没有打败“随机游走基准”。

残差诊断：给模型做体检

体检报告里，残差就是代谢废物。ARIMA 模型的假设要求残差是白噪声：如果模型把信号提取干净，剩下的就该是纯雪花；如果残差还显示相关性，说明模型漏掉了信号，等于体检报告出现异常指标。

具体操作分三步。第一步，画残差 ACF 图，看是否有超出置信带的尖峰；第二步，做 Ljung-Box 检验，看 p 值是否大于 0.05；第三步，横向对比，用 AIC 在多个模型之间选择——AIC 兼顾拟合优度与参数个数，越小越好。

过拟合的花招在这里现形：阶数过高的模型往往在训练集上表现亮眼，但残差依然不能通过白噪声检验，说明它把噪声当成了信号去拟合。换句话说，模型记住了雪花的形状，却没有学到真正的规律。

体检原则总结：残差“像雪花”则模型合格，残差“像醉汉”则模型欠拟合。这个标准放之四海而皆准，不仅限于 ARIMA，任何回归、神经网络时序模型的诊断都适用。

实战陷阱：会看走眼的瞬间

即使握着测噪仪，分析师仍会踩坑。第一个坑是样本太短：30 个点的 Q 统计量远离卡方分布，p 值虚高，雪花被误判合格。第二个坑是周期误判：月度数据里的季节性会让 ACF 在滞后 12 处冒尖，那不是随机游走的缓慢衰减，而是固定周期。

第三个坑是过度差分：序列原本已平稳，你却画蛇添足差一次，把白噪声硬生生“差”成负一阶自相关的 MA(1) 结构。第四个坑是漂移项混淆：带漂移的随机游走 X_t = δ + X_{t-1} + ε_t 看似一条上升直线，实际仍是单位根过程，用线性趋势去拟合会得到伪回归。

这四个坑的共同本质，是把“过程生成方式”与“长什么样”混为一谈。随机游走可以看起来像趋势，白噪声可以看起来像波动。判断必须回到统计量：ACF、ADF、Ljung-Box，而不是眼睛。

所以遇到“很乱”的序列，先别急着下结论。让测噪仪和分镜头多配合几次，确认它是雪花还是醉汉——时序分析的专业感，就藏在这份谨慎里。

AI 应用场景

Python 演示

import mathimport random  def box_muller():    """生成一个标准正态随机数 (Box-Muller 变换)。"""    u = 0.0    v = 0.0    while u == 0.0:        u = random.random()    while v == 0.0:        v = random.random()    return math.sqrt(-2.0 * math.log(u)) * math.cos(2.0 * math.pi * v)  def gen_white_noise(n, sigma=1.0):    """生成 n 个独立同分布 N(0, sigma^2) 的白噪声。"""    return [box_muller() * sigma for _ in range(n)]  def gen_random_walk(n, sigma=1.0):    """基于白噪声增量生成随机游走序列。"""    rw = [0.0]    for _ in range(n):        rw.append(rw[-1] + box_muller() * sigma)    return rw  def acf(series, max_lag):    """计算 1..max_lag 阶样本自相关系数。"""    n = len(series)    mean = sum(series) / n    var = sum((x - mean) ** 2 for x in series) / n    acfs = []    for k in range(1, max_lag + 1):        num = sum((series[i] - mean) * (series[i + k] - mean) for i in range(n - k))        den = var * n        acfs.append(num / den if den != 0 else 0.0)    return acfs  def ljung_box(series, max_lag=10):    """Ljung-Box 检验，返回 Q 统计量与 p 值。"""    n = len(series)    acfs = acf(series, max_lag)    q = n * (n + 2) * sum(a * a / (n - k) for k, a in enumerate(acfs, start=1))     # Wilson-Hilferty 近似计算卡方右尾概率    df = max_lag    z = ((q / df) ** (1.0 / 3.0) - (1.0 - 2.0 / (9.0 * df))) / math.sqrt(2.0 / (9.0 * df))    cdf = 0.5 * (1.0 + math.erf(z / math.sqrt(2.0)))    return q, 1.0 - cdf  def diagnose(name, series):    q, p = ljung_box(series)    verdict = "接近白噪声" if p > 0.05 else "不是白噪声"    print(f"{name}: Q={q:.2f}, p={p:.3f} -> {verdict}")  def main():    random.seed(42)    n = 500    wn = gen_white_noise(n)    rw = gen_random_walk(n)    diff_rw = [rw[i] - rw[i - 1] for i in range(1, len(rw))]     print("ACF 前 5 阶:")    print("  白噪声    :", ["%.3f" % a for a in acf(wn, 5)])    print("  随机游走  :", ["%.3f" % a for a in acf(rw, 5)])    print("  差分后游走:", ["%.3f" % a for a in acf(diff_rw, 5)])    print()    diagnose("白噪声", wn)    diagnose("随机游走", rw)    diagnose("随机游走一阶差分", diff_rw)  if __name__ == "__main__":    main()

1. rw.append(rw[-1] + box_muller() * sigma)这就是随机游走迭代公式 X_t = X_{t-1} + ε_t 的代码实现。
2. num = sum((series[i] - mean) * (series[i + k] - mean) for i in range(n - k))计算滞后 k 阶的样本自协方差，是 ACF 的基础。
3. q = n * (n + 2) * sum(a * a / (n - k) for k, a in enumerate(acfs, start=1))完整复现 Ljung-Box 的 Q 统计量公式。
4. cdf = 0.5 * (1.0 + math.erf(z / math.sqrt(2.0)))用正态近似计算卡方分布的右尾概率，进而得到 p 值。
5. verdict = "接近白噪声" if p > 0.05 else "不是白噪声"这是残差诊断的行业惯例判据，0.05 是默认显著性水平。
6. diff_rw = [rw[i] - rw[i - 1] for i in range(1, len(rw))]对随机游走做一阶差分，预期得到白噪声。

常见误区

面试题