ARIMA模型预测RMSE高于AR模型的技术咨询

核心矛盾概述 #

原本假设AR是ARIMA的子集，因此最优ARIMA模型的预测性能不应弱于最优AR模型，但实际测试中：

• 用auto.arima()基于AICc准则选出的ARIMA(1,0,2)，滚动窗口预测RMSE为4.503；
• 手动选择的AR(6)模型RMSE为3.901，反而更优；
• ARIMA(1,0,2)的预测曲线视觉贴合测试集，但整体偏高，手动调低截距后RMSE改善，但截距是arima()函数输出的默认值。

可能的原因 #

1. AICc准则与预测性能的脱节 #

AICc是基于训练集拟合优度+模型复杂度惩罚的选择准则，仅反映模型对训练数据的适配性，无法直接等同于滚动预测的泛化能力。训练集上最优的模型，未必能适应滚动窗口中序列的动态变化（比如均值漂移、局部波动模式改变）。

2. 手动预测代码的逻辑偏差 #

你手动实现的MA项计算（frame <- ds - ma）存在问题：

• ARIMA(1,0,2)的MA部分是模型估计的移动平均系数，对应模型的残差项（而非简单的2期移动平均）；
• 手动计算的frame与模型内置的残差定义不一致，导致预测时MA项的累加逻辑错误，最终让预测值系统性偏高。

3. 固定截距的适配问题 #

arima()输出的截距是基于**整个初始训练集（1:14676）**估计的均值项。如果测试集的均值低于训练集，或者序列存在缓慢的均值漂移，固定使用初始截距会导致预测值整体偏高，无法适配滚动窗口中更新的历史数据。

解决方法 #

1. 替换手动预测为内置函数，消除代码误差 #

放弃手动实现预测逻辑，使用R的forecast包或stats包的内置函数进行滚动预测，避免自定义逻辑的偏差：

library(forecast)

# 初始化数据
full_data <- ts(ds)
train_len <- 14676
test_len <- length(full_data) - train_len
predictions <- numeric(test_len)

# 滚动窗口预测循环
current_train <- full_data[1:train_len]
for (i in 1:test_len) {
  # 拟合ARIMA(1,0,2)模型
  model <- arima(current_train, order = c(1, 0, 2), include.mean = TRUE, method = "ML")
  # 1步预测
  pred <- predict(model, n.ahead = 1)$pred[1]
  predictions[i] <- pred
  # 更新训练集
  current_train <- c(current_train, full_data[train_len + i])
}

# 计算RMSE
rmse_arima <- sqrt(mean((predictions - full_data[(train_len+1):length(full_data)])^2))

2. 用时间序列交叉验证替代AICc选模型 #

使用forecast包的tsCV()函数进行时间序列交叉验证，直接比较模型的泛化预测性能，而不是依赖训练集的AICc：

# 定义模型拟合函数
fit_ar6 <- function(x) arima(x, order = c(6, 0, 0), include.mean = TRUE)
fit_arima102 <- function(x) arima(x, order = c(1, 0, 2), include.mean = TRUE)

# 计算1步交叉验证的RMSE
cv_ar6 <- tsCV(full_data, fit_ar6, h = 1)
cv_arima102 <- tsCV(full_data, fit_arima102, h = 1)

rmse_cv_ar6 <- sqrt(mean(cv_ar6^2, na.rm = TRUE))
rmse_cv_arima102 <- sqrt(mean(cv_arima102^2, na.rm = TRUE))

交叉验证的RMSE更能反映模型的实际预测能力，以此为准则选模型更可靠。

3. 适配滚动窗口的截距与模型更新 #

• 滚动重新拟合模型：每次窗口更新后重新拟合ARIMA模型，让截距和系数自动适配最新的历史数据，避免固定初始参数的偏差；
• 检查序列均值漂移：对比训练集和测试集的均值，如果存在显著差异，考虑使用带漂移项的模型（include.drift = TRUE），或者尝试差分（比如ARIMA(1,1,2)）来消除趋势影响。

4. 验证模型残差的合理性 #

用forecast包的checkresiduals()检查ARIMA(1,0,2)的残差是否符合白噪声假设：

model <- arima(full_data[1:train_len], order = c(1, 0, 2), include.mean = TRUE, method = "ML")
checkresiduals(model)

如果残差存在自相关或异方差，说明模型未完全捕捉序列信息，需要调整AR/MA阶数，或考虑加入季节性成分。

内容的提问来源于stack exchange，提问作者Meowgi256