企业官网建设流程全解析

（五十一）时间序列分析二：平稳时间序列分析（ARMA）

这个系列写到第五十一篇，前面铺垫了白噪声、平稳性、自相关函数这些基础概念，今天终于要进入真正能动手建模的核心环节了。这篇文章要聊的ARMA模型，也就是自回归移动平均模型，可以说是整个时间序列分析里被引用最多、也最容易被误用的一个模型。如果你已经知道什么是平稳序列、什么是白噪声，但一直没搞明白ARMA的定阶、参数估计和检验到底是怎么串起来的，那这篇文章就是为你准备的。

其实ARMA这个名称听起来有点吓人，但剥开来看，它的本质就是一个说法：今天的数值，既受过去自身数值的影响，也受过去几期“意外冲击”的影响。很多做数据分析的朋友初次接触时，容易卡在“为什么要分AR和MA”“怎么判断该用几阶”“拟合完怎么看效果”这几道坎上。这篇我会把整个流程串一遍：从平稳性检验出发，讲清ARMA的核心逻辑，然后带你把建模的完整步骤走通，最后整理一些我在实际项目中反复踩过的坑。

1. 动手建模前的第一关：确认序列到底稳不稳

1.1 为什么平稳性是ARMA建模的前提

很多人拿到数据就直接套模型，结果拟合出来的效果看着不错，一做预测就完全跑偏，问题往往出在平稳性上。ARMA模型的数学基础建立在一个关键假设上：序列的统计性质不随时间平移而改变。也就是说，序列的均值、方差、自相关结构在每一个时间段上都应该是稳定的，这样“用过去预测未来”才是合法的。

打个比方，如果我们要根据一个人的身高历史去预测他未来的身高，那前提是他的发育阶段已经结束，身体处于一个相对稳定状态。如果在青春期做预测，趋势是向上的，均值和方差都在变，用历史均值去推测未来就没有意义。时间序列的平稳性检验，本质上就是在判断序列是否还处在“发育期”。

统计上有两种平稳的定义：严平稳和宽平稳。严平稳要求所有阶数的联合分布都随时间平移不变，这个条件太苛刻，实际中基本没人去验证。我们平时说的平稳，几乎都是宽平稳，也就是满足三个条件：均值恒定、方差恒定、任意两个时点的协方差只取决于时间间隔而不取决于具体时点。ARMA模型要求的就是宽平稳。

1.2 用ADF检验给平稳性下结论

看自相关图判断平稳性是一种主观做法，更可靠的办法是用单位根检验。目前使用最广的是ADF检验（增广迪基-富勒检验），几乎所有统计工具都内置了这个函数。ADF检验的原假设是“序列存在单位根，即非平稳”，备择假设是“序列平稳”。

使用逻辑很简单：检验统计量对应的p值小于显著性水平（通常取0.05），就拒绝原假设，认定序列平稳；反之则说明序列非平稳。我在实际工作中习惯同时看两个指标：ADF统计量和p值。如果统计量是绝对值很大的负数，且p值极小，基本就可以放心往下走了。

注意：ADF检验对滞后阶数的选择比较敏感。很多工具会自动选择最优滞后阶，但如果你感觉结果异常（比如同一个序列换几个参数结论就变了），可以手动传入不同的最大滞后阶数多跑几次对比，不要盲目相信工具默认。我遇到过某工具自动选择的滞后阶数过小，把本来平稳的序列误判成非平稳的情况。

1.3 白噪声检验：检验通过后才能开始“找规律”

平稳性确认之后，还有一道容易被忽视的关卡：白噪声检验。如果一个序列本身就是纯随机波动，前后没有相关性，那ARMA模型对它毫无意义，建模纯属给自己找事做。

白噪声检验常用的方法是LB检验（Ljung-Box Q检验），原假设是“序列不存在相关性，即白噪声”。如果p值小于0.05，说明序列存在显著的相关结构，有建模价值；如果p值很大，说明序列就是随机噪声，可以直接放弃建模。

一个常见的错误认知是：平稳序列就一定存在可建模的规律。实际上平稳和白噪声不矛盾，白噪声本身就是一种特殊的平稳序列。判断是否有建模价值，必须结合白噪声检验，而不是看到“平稳”就兴奋。

2. ARMA模型的核心逻辑：两种“记忆”的叠加

2.1 拆开看AR部分：自己对自己的记忆

AR部分，即自回归，表达的是一个朴素的直觉：今天的结果和过去几天的结果有关。比如餐厅的客流量，今天的客流大概率跟昨天的客流存在关联，因为回头客、口碑传播、消费习惯都有惯性。

AR(p)模型的数学形式是当前值是过去p期值的线性组合加上一个随机扰动项。这里有个重要的约束：特征方程的根必须在单位圆外，这保证了由AR部分主导的序列是平稳的。在实际操作中，一个隐晦的问题是阶数p的确定，后面我会专门讲。

有一类常见的误读：AR模型系数越大说明历史影响越强，所以系数接近1就是最好的模型。实际上系数过大会导致序列趋向于随机游走，平稳性会被破坏。AR部分的系数必须满足一定的约束条件，这不仅仅是统计问题，更是数学上模型能否有意义的问题。

2.2 拆开看MA部分：意外冲击的余波

MA部分，即移动平均，表达的是另一种直觉：今天的数值，受到过去几天“意外事件”的残余影响。比如某天突然出现一条爆款内容，流量当天冲到顶峰，但它的影响不会当天就消失，而是在随后的几天内逐渐衰减。这些异常冲击的作用就是MA部分在刻画的内容。

MA(q)模型把当前值表示为过去q期随机扰动项的线性组合。和AR部分不同，MA部分对平稳性的影响较小，但对异常波动的描述能力很强。一个纯MA过程几乎总是平稳的，因为它的记忆是短期的，不会无限累积。

2.3 AR和MA怎么选：看ACF和PACF的“截尾”与“拖尾”

这是ARMA建模中最考验经验的环节。ACF是自相关函数，PACF是偏自相关函数，前者量的是当前值和过去值之间的总体相关性，后者量的是在剔除中间变量影响后，当前值和某个特定滞后值的直接相关性。

判断规则不算复杂：

• ACF拖尾（衰减缓慢）且PACF在p阶之后截尾（突然归零），适合用AR(p)
• ACF在q阶之后截尾且PACF拖尾，适合用MA(q)
• ACF和PACF都拖尾，才考虑ARMA(p,q)

我在实际工作中发现，很多入门者在这步会犯一个共同的错误：盯着图找“绝对归零的那一阶”。真实数据的样本ACF和PACF几乎不会出现教科书式的完美截尾，更多的只是“落入置信区间后再也没出去”。判断截尾时，应该看某一阶之后是否大部分点都在置信区间内，而不是逐个点要求零。

实操心得：当ACF和PACF都拖尾、看不出明显截尾点时，不要过度纠结于手工识别。直接让AIC/BIC信息准则来帮你决策，通常比肉眼判断更稳定。我后面会细说信息准则怎么用。

2.4 定阶的取与舍：从人工观察到信息准则

定阶是ARMA建模中最容易被反复推翻的环节。理论上有两条路：一条是前面说的ACF/PACF图人工识别，另一条是信息准则自动筛选。AIC（赤池信息准则）和BIC（贝叶斯信息准则）是两种最常用的准则，它们的共同逻辑是：在拟合优度和模型复杂度之间找平衡。模型越复杂（阶数越高），拟合优度通常越好，但过拟合的风险也越大，信息准则对此做了惩罚。

在工具里遍历阶数的组合（比如p从0到5，q从0到5），计算每个组合的信息准则值，取最小值对应的一组(p,q)作为候选。实际工作中，BIC通常比AIC更保守，倾向于选择更简洁的模型。我的习惯是同时打印AIC和BIC的排名，如果两者给出的最优阶数一致，就放心选用；如果不一致，我会偏向BIC的结果，因为它的惩罚更严格，过拟合风险更低。

特别提醒：信息准则选出的“最优阶数”不一定就是最好的预测模型。统计意义上的最优，在实际业务场景中未必稳定。我经常跟团队说，信息准则只是候选者的筛选器，最终要结合残差检验和业务解释性来做决定。

3. 从数据到模型：一套完整的ARMA建模实操流程

3.1 数据准备与探索性分析

在进入正式的模型拟合之前，先把数据清洗和数据探索做扎实。我用一个模拟的数据场景来说明整套流程：假设我们有某商品近500天的日销量数据，波动比较平稳，没有明显的趋势和季节性，适合尝试ARMA建模。

数据准备阶段，需要处理三件事：缺失值、异常值、时间索引。缺失值最简单的处理方式是前向填充，但要注意如果缺失比例超过5%，直接填充会引入偏差，需要结合插值或模型预测来判断；异常值需要先确认是真实业务事件还是记录错误，如果是记录错误，可以考虑用前后几天的均值替代。

时间索引一定要设置为标准的时间格式并排序。数据顺序错乱会导致自相关计算完全失效，这个看起来很小的问题，实际工作中出现频率不低。

3.2 分步走通建模流程

我将完整的建模流程拆成六个步骤，每一步都配套输出解读方法：

第一步，做ADF检验，确认序列平稳。如果p值大于0.05，先不要急着差分，可以尝试对序列做对数变换或开方变换，非线性变换有时能解决方差带来的非平稳。

第二步，做LB白噪声检验，确认序列存在建模价值。如果检验结果表明序列是纯随机噪声，停止建模，去检查数据源或者重新定义目标变量。

第三步，绘制ACF和PACF图，初步判断候选阶数。在这个阶段，你只需要一个大致的范围，不需要精确确定p和q。

第四步，遍历候选阶数组合，用AIC/BIC寻找最优模型。为了可靠，遍历时最好配合交叉验证，尤其是样本量不大的时候。我常用滚动预测的方式：用前90%的数据训练，后10%的数据验证，比较不同阶数组合下的预测误差。

第五步，对最优模型做残差检验。残差需要满足两个条件：没有显著的自相关、服从白噪声分布。这一步如果没过，前面选的最优阶数就要推翻重来。

第六步，利用模型进行后续若干期的预测，并计算预测误差。这一步通常有三种误差指标结合使用：MAE（平均绝对误差）、RMSE（均方根误差）和MAPE（平均绝对百分比误差）。MAPE直观但靠近0的分母会导致指标爆炸，实际使用时要注意。

3.3 参数估计的两种路径

参数估计是ARMA建模中技术含量最高的环节。传统的方法有两种：矩估计和最小二乘估计。矩估计通过Yule-Walker方程求解，计算速度快，但精度一般；最小二乘估计的精度更高，但对初值敏感，迭代可能不收敛。

现代统计工具默认使用的通常是极大似然估计或条件最小二乘，这些方法已经封装得很完善，使用者不需要手动实现算法细节，但需要理解输出结果中的几个关键数字：每个系数的估计值、标准误、t统计量和p值。系数不显著时，说明该项可能是多余的，可以考虑降阶重估。

实操细节：拟合ARMA模型时，不同工具对常数项的默认处理不一样。有的工具默认包含常数项，有的默认不包含。如果序列均值明显不为零，应该显式设置包含常数项，否则残差中会残留均值偏移，导致检验失败。这是我踩过最多次的坑，说出来给后面的人提个醒。

3.4 一个模拟案例的完整输出解读

我模拟了一组500天的销量数据，均值约为100，方差稳定，带有轻微的AR(1)结构和MA(1)结构。通过ADF检验，p值约为0.001，序列平稳；LB检验的p值小于0.001，说明存在自相关结构。

ACF图呈现拖尾形态，PACF图在一阶处有一根明显的超出置信区间的柱状图，后续阶数基本都落在区间内，初步判断是AR(1)的结构。但看ACF图，一阶处也有明显的相关性，而且拖尾不太规则，这让我额外考虑ARMA(1,1)的可能。AIC对比显示，ARMA(1,1)的AIC值比AR(1)低了约30，BIC也低一些，因此最终选择了ARMA(1,1)。

模型输出的AR系数约为0.72，MA系数约为0.45，两项都非常显著。常数项约为98.6，接近序列的真实均值100。残差的LB检验p值为0.38，无法拒绝白噪声的原假设，说明残差中已经没有可提取的信息。预测未来10天的销量，平均误差在2.3%左右，效果可以接受。

4. 常见问题与排查技巧实录

4.1 序列明明看着平稳，ADF却判断非平稳

这种情况我在实际数据分析中遇到比较多。原因往往是数据中存在局部结构性变化，比如突然的均值跳变，虽然整体均值稳定，但某个局部区间的均值发生了偏移，导致单位根检验的统计量失效。

排查方向有两类：一是检查数据中是否有明显的断点，如果有，可以考虑分段建模或在模型中引入结构突变项；二是检查ADF检验的滞后阶数设定，用不同的滞后阶数重新检验。如果多种滞后阶数下结论一致，那非平稳的结论就比较可靠；如果不一致，需要进一步深挖数据结构。

4.2 信息准则选出的阶数很高，但预测效果很差

信息准则倾向于选择拟合优度更高的模型，高阶模型在训练集上通常表现很好，但在预测集上可能严重过拟合。特别是样本量不大的时候，高阶模型的参数太多，微小的样本波动都会被当作规律学习进去。

一个有效的矫正手段是：在AIC/BIC选出的阶数基础上，搜索邻近的简单模型，比较它们在滚动预测中的表现。我常说，用预测误差来选择最终模型，比用信息准则直接定阶更贴近实际业务需要。

4.3 残差检验不通过，该如何处理

残差检验是判断模型是否合适的关键指标。如果残差的LB检验p值小于0.05，说明残差中仍有信息未被提取，常见原因有三个：阶数选择过低、模型形式不匹配、或者数据中存在非线性结构。

我通常的处理顺序是：先在低阶模型的邻近范围内搜索更高阶数的组合，观察是否能够改善残差的白噪声性质；如果增加阶数无效，就要考虑数据是否有非线性特征（比如波动聚集效应），此时需要转向其他模型族。有时候数据中隐藏的季节性成分也会导致残差自相关，这种情况下需要引入季节项。

4.4 预测结果整体“偏平”，没有波动趋势

这是ARMA模型对平稳序列做长期预测时的正常现象。ARMA的预测会随着预测期数的增加，逐渐收敛到序列的长期均值。换句话说，预测期越远，预测值越接近均值，预测的不确定性也越大。这不一定是模型出错的信号，而是平稳模型本身的特性。

当业务需要更长期的趋势预测时，ARMA并不能胜任，需要转向带趋势项的模型或者考虑差分处理。预测期数比较短时，ARMA的表现通常还可以；拉到较长周期，就不要强求它能给出花样丰富的曲线了。

避坑提醒：ARMA模型适合用来预测短期变化，不适合做长期外推。很多人在这一点上对它有超出能力的期待，最终得到的结果自然让人失望。

4.5 一个排查速查表

5. 后续还能怎么扩展

ARMA虽然经典，但它只是平稳序列分析的起点。如果你已经掌握了ARMA的核心思想和操作流程，下一步完全可以往两个方向走：一是引入差分结构，处理非平稳序列，过渡到ARIMA模型；二是加入季节项，处理具有周期性规律的序列，对应SARIMA模型。

我自己在实际应用中的体会是，ARMA更像是一把尺子，你用它先丈量清楚一个序列的线性相关结构，再慢慢加入非线性、外生变量、状态空间这些扩展。熟练之后你会发现，它作为基础框架的价值远大于作为一个“最终模型”的价值。

最后分享一个小技巧：在做模型定阶时，不要只看一套数据的结果。可以尝试把样本切成长度不同的几个子集，分别在各个子集上跑建模流程，观察选出的阶数是否稳定。如果阶数在不同子集之间变化很大，说明序列本身的结构并不稳定，模型参数的可信度也要打一个问号。这种稳定性判断，在业务数据分析中比任何一组的“最优结果”都更有参考价值。