forecast::nnetar函数设置p=0时出现不稳定行为的原因咨询

1. nnetar()未对非法参数p=0做校验 #

根据nnetar()的文档说明，参数p对应序列的滞后阶数1到p，且代码内部存在1:p这类依赖p>0的表达式，但函数并未添加p>0的参数合法性校验逻辑。当传入p=0时，函数不会触发报错或警告，直接进入模型构建流程——此时1:p会生成空向量，导致模型缺少必要的滞后特征，本质是一个无效模型。

2. forecast.nnetar()中偶发NaN的触发逻辑 #

当基于p=0的无效模型执行预测时，forecast.nnetar()的多步预测依赖递推式逻辑：用前一步的预测值作为滞后项，生成下一步的预测结果。但p=0意味着没有可用的滞后特征，代码在尝试构建预测所需的输入时，会出现逻辑上的缺失。

这种情况下，模型的预测计算偶尔会出现数值不稳定（即使设置了set.seed(42)，nnetar内部神经网络的初始化或训练环节仍可能存在部分随机行为，导致权重更新时出现除以0、溢出等异常），进而生成NaN值。一旦NaN被生成，会在后续的递推预测中被带入，最终触发"序列末尾存在缺失值"的错误。

3. 偶发错误的核心原因 #

错误并非每次出现，是因为神经网络训练的数值稳定性存在随机性：大部分情况下，无效模型的预测会生成无意义但数值合法的结果；仅当训练过程中出现数值异常时，才会产生NaN并触发报错。

内容的提问来源于stack exchange，提问作者joran