众所周知,“非正态是常态”,在实际应用领域,很少能够遇到涉及的数据严格服从正态分布,因此,寻找将数据正态化的变换成为统计研究领域的一个经典问题,一直受到包括理论界及实际应用人士的关注,并涌现了众多研究成果。各种变换方法均在一些特定的数据集上取得了一定的成功,但正如文章中展示的,这些方法对极端不平衡的数据集（左右尾部厚度有较大差异）,表现均差强人意。为此,我们将提出一个双侧保号幂变换方法,对正部和负部数据独立提供变换参数。在确定变换参数方面,本文提出了基于极小化Jarque-Bera统计量的变换参数的估计方法。首先,进行参数估计有效性实验,实验结果表明:基于极小化Jarque-Bera统计量的变换参数的估计方法能准确、有效地估计出最优变换参数。再次,本文使用模拟数据、美国加州电价收益率数据分别经过双侧保号幂变换、双幂变换、Box-Cox变换和Yeo-Johnson变换后进行正态性检验,并作其QQ图。实验结果表明:经过Box-Cox变换和Yeo-Johnson变换后的电价收益率数据的峰度及JBSTAT的值依然很高,故变换后的数据依然不服从正态分布;而经过双侧保号幂变换的电价收益率数据的Q-Q图及正态性检验统计量显示该数据服从正态分布,双幂变换并未改善数据的正态性。最后,利用未变换的数据,以及经过双侧保号幂变换、双幂变换、Box-Cox变换和Yeo-Johnson变换处理后的收益率数据分别建立ARIMA模型。实验结果显示:拟合效果最好的是ANN模型,Yeo-Johnson变换ARIMA模型与双侧保号幂变换ARIMA模型拟合效果近似,效果仅次于ANN模型,且双侧保号幂变换ARIMA模型的BIC值最小。预测效果最好的是双侧保号幂变换ARIMA模型,效果优于ANN模型。故本文提出的双侧保号幂变换能有效增强极度偏态且含有负数的数据的正态性,且效果优于Box-Cox变换及Yeo-Johnson变换。将该方法处理过的数据使用到ARIMA模型中,能有效增加模型的拟合能力和预测精确度。