Que lire de la fonction d'autocorrélation d'une série chronologique?

Étant donné une série chronologique, on peut estimer la fonction d'autocorrélation et la représenter, par exemple, comme indiqué ci-dessous:

Que peut-on alors lire sur la série temporelle, à partir de cette fonction d'autocorrélation? Est-il par exemple possible de raisonner sur la stationnarité des séries temporelles?

Modifié : Ici, j'ai inclus l'ACF de la série différenciée avec plus de retards

cet acf suggère la non-stationnarité qui pourrait être corrigée en incorporant un effet quotidien car il semble mettre en évidence la structure au décalage 24. L'effet quotidien pourrait être soit auto-régressif de l'ordre 24 ou il pourrait être déterministe où 23 mannequins horaires pourraient être nécessaires. Vous pouvez essayer l'un ou l'autre et évaluer les résultats. Une structure supplémentaire semble nécessaire. Cela pourrait être la nécessité d'inclure des changements de niveau ou une certaine forme de structure auto-régressive à court terme comme un opérateur de différenciation du décalage 1. Après avoir identifié et estimé un mode utile, les résidus pourraient suggérer des mesures supplémentaires (augmentation du modèle) pour s'assurer que le signal a entièrement extrait toutes les informations et rendu un processus de bruit normal ou gaussien. Cela répondra alors à votre vague question concernant la "stabilité". J'espère que cela t'aides !

Un léger ajout!

Le mot «suggère» est utilisé car l'acf n'est pas le dernier mot à ce sujet alors que les données réelles le sont. En l'absence de données réelles, l'acf est parfois utile pour caractériser le processus.