ARIMA参数选择：用训练集还是全量数据？Auto ARIMA输入疑问

• 绘制ACF/PACF图确定p、q参数：必须用训练集
  真实预测场景里，你不可能拿到未来的测试集数据，所以参数识别阶段只能基于训练集（即历史数据）。如果用全量数据，相当于提前泄露了未来的测试集信息，选出来的p、q会过度适配包含未来数据的整体序列，导致模型在测试集上的评估结果虚高，但实际泛化到新数据时表现拉胯。

• Auto ARIMA：仅输入训练集
  Auto ARIMA是自动遍历搜索最优p、d、q组合，本质和手动看ACF/PACF是同一个逻辑——只能用训练数据。输入全量数据的话，算法会把测试集的未来信息纳入参数选择，选出来的模型是拟合全量数据的，不是仅基于历史的预测模型，这样测试集的评估结果毫无参考价值，因为模型已经提前“见过”测试数据了。

两种数据结果不同的原因很直接：全量数据包含了训练集没有的未来信息，参数选择的逻辑完全偏离了真实预测场景。记住核心准则：所有和模型训练、参数选择相关的步骤，都只能用训练集，测试集唯一的作用就是评估模型的泛化能力。

内容的提问来源于stack exchange，提问作者Ne04ever