一个示例时间序列是股票市场，有时被描述为随机游走。随着时间的推移，情况显然并非如此，因为它基本上朝着一个方向（向上）发展，只是偶尔出现挫折。
我提出了几个可用于衡量时间序列特定部分的有序性的特征：
简而言之，在相似的时间长度内，相对于系列标准偏差的移动绝对值越大，移动越线性，该段越显着。这些特征也可以形成每个给定段的一种签名。
也许这个问题的答案很简单，一个时间序列的片段不符合正态分布是一个非随机时间序列，但我想知道是否有方法可以捕捉时间片段相对于 #1- 的重要性上面的3，即“这个片段有多罕见”？
您可以运行像 Augmented Dickey Fuller 这样的统计测试来检查变量是否遵循随机游走。
使用以下adfuller功能statsmodels：
from statsmodels.tsa.stattools import adfuller
results= adfuller(df['<your_col>'])
print('p value:', results[1])
print(results)
时间序列和随机游走是大多数人不容易知道的重要概念，您要问的是与投资组合风险管理有关的投资金融问题。如果您的问题也发布在堆栈溢出的财务方面，也许您的问题可能会有所帮助。我最近没有看到好的问题，这比我在那里看到的要好得多。