ARIMA模型过拟合问题解析：从原理到实践避坑指南

1次阅读

没有评论

共计 1922 个字符，预计需要花费 5 分钟才能阅读完成。

刚开始用 ARIMA 做时间序列预测时，我遇到过这样的尴尬：模型在训练集上预测曲线几乎和真实值完美重合，但一用到测试集就完全崩盘。这就是典型的过拟合现象——模型过度记忆了训练数据中的噪声和局部波动，反而失去了对整体规律的捕捉能力。

在实际业务中，这种问题会导致严重后果：

股票价格预测中可能产生误导性买卖信号
销量预测误差放大造成库存管理混乱
经济指标误判引发错误决策

ARIMA(p,d,q) 模型的核心公式为：

$(1-\sum_{i=1}^p \phi_i L^i)(1-L)^d y_t = c + (1+\sum_{i=1}^q \theta_i L^i)\epsilon_t$

其中 $L$ 是滞后算子，$\phi$ 和 $\theta$ 分别是 AR 和 MA 项的系数。过拟合通常发生在：

p 值过大 ：自回归阶数过高，模型开始捕捉随机波动
q 值过大 ：移动平均项过多，将噪声误认为规律
d 值不当 ：差分阶数错误导致序列未真正平稳

from statsmodels.tsa.stattools import adfuller

# 原始序列 ADF 检验
result = adfuller(series)
print('p-value:', result[1])  # p>0.05 说明需要差分

# 一阶差分后再检验
diff1 = series.diff().dropna()
result = adfuller(diff1)
print('差分后 p -value:', result[1])

import itertools
from statsmodels.tsa.arima.model import ARIMA

# 参数网格搜索
p_range = range(0, 3)  # 建议新手从较小范围开始
d_range = [1]          # 已通过 ADF 确定
q_range = range(0, 3)

best_aic = float('inf')
for p, d, q in itertools.product(p_range, d_range, q_range):
    try:
        model = ARIMA(series, order=(p,d,q))
        results = model.fit()
        if results.aic < best_aic:
            best_aic = results.aic
            best_order = (p,d,q)
    except:
        continue

print(f'最佳参数: {best_order}, AIC:{best_aic:.2f}')

from sklearn.metrics import mean_squared_error

train_size = int(len(series)*0.8)
train, test = series[:train_size], series[train_size:]
history = list(train)
predictions = []

# 逐步预测测试集
for t in range(len(test)):
    model = ARIMA(history, order=(best_order))
    model_fit = model.fit()
    pred = model_fit.forecast()[0]
    predictions.append(pred)
    history.append(test[t])  # 逐步纳入真实值

# 计算 RMSE
rmse = mean_squared_error(test, predictions, squared=False)
print(f'测试集 RMSE: {rmse:.2f}')