R语言forecast包auto.arima函数默认如何处理缺失值？

你使用的auto.arima（来自forecast包）默认采用删除所有含缺失值的观测的方式处理NA，对应默认参数na.action = na.omit。

具体细节：

• 函数会自动剔除序列中所有带NA的观测，仅保留连续无缺失的时间序列片段来拟合ARIMA模型
• 这本质是列表删除（listwise deletion），不会做任何插补或复杂的缺失值填充操作

针对你的金融数据场景（节假日/周末导致的非随机缺失），需要注意：ARIMA模型是为等间隔时间序列设计的，直接删除缺失值会把原本的日度等间隔序列变成非等间隔，可能忽略“周末/节假日无交易”的时间结构信息，进而影响模型拟合效果。

如果需要调整缺失值处理方式，可以手动操作：

• 若想先插补缺失值再拟合，可使用forecast包的na.interp函数先处理序列，示例代码：

  data_interp <- na.interp(data_vector)
  best_fit <- auto.arima(data_interp, stationary = is_stationary, ic = "bic", stepwise = FALSE, allowmean = TRUE, allowdrift = TRUE, approximation = FALSE)
  

• 也可以根据业务逻辑自定义缺失值填充规则后，再传入auto.arima拟合模型

内容的提问来源于stack exchange，提问作者Anya Pilipentseva