Vincent2026-07-16 22:57:53

你好

错在把“b₀=0, b₁=0”和“b₀=0, b₁=1”搞混了。

同学你说的“b₀=0, b₁=0”是经过一次差分后的模型（yₜ = xₜ − xₜ₋₁ = 0 + εₜ），而不是原始随机游走模型。

原始随机游走的条件是 b₀=0, b₁=1（xₜ = xₜ₋₁ + εₜ）。当对它进行一阶差分后，得到 yₜ = b₀ + b₁yₜ₋₁ + εₜ，此时 b₀=0, b₁=0，即 yₜ = εₜ。这的确意味着 x的差分（变化量） 是一个均值为0的随机误差，所以 x的变化没有长期趋势，平均变化为0。

但“平均变化为0”并不等于“x会回归一条水平直线”。

在随机游走中，误差 εₜ 的期望确实是0，所以 平均来看，xₜ = xₜ₋₁ + 0，即 预期值等于上一期值。但每一期都有一个随机冲击叠加上去，这些冲击是累积的。  
由于误差的累积，xₜ 的方差随着时间 t 增大而无限增长（Var(xₜ) = (t−1)σ²）。它不会围绕某个固定水平来回摆动，而是像一个醉汉走路一样，随机地越漂越远，没有均值回归能力。  
相比之下，一条水平直线意味着无论时间怎么变，值都稳定在一个常数附近、方差有限，而这就是协方差平稳的特征，而随机游走不满足这一条件。  

总结下，同学你说的“b₀=0, b₁=0 → yₜ = εₜ → 平均变化为0”是对的，但这描述的是差分后的变化量，不是原始序列本身。原始序列（随机游走）的b₁=1，导致误差不断累积、方差发散，永远不会回归一条水平直线——而是随机地越走越远。