ARIMA模型plot_predict与fitted_values结果异常问题求助

• 区分样本内拟合与样本外预测
  你当前计算RMSE用的arima_fit.fitted_values或默认predict()结果，都是模型对训练数据的拟合值，而非对未见过数据的预测值。样本内拟合误差极小是ARIMA模型的正常表现，但这不能代表模型的预测能力。正确做法是划分训练集和测试集：

  1. 拆分数据：train = df['y'][:-10]（示例取前N-10条为训练集，最后10条为测试集）
  2. 训练模型：arima_fit = ARIMA(train, order=(p,d,q)).fit()
  3. 生成样本外预测：forecast = arima_fit.predict(start=len(train), end=len(df['y'])-1, typ='levels')
  4. 用测试集实际值和预测值计算RMSE：

     from sklearn.metrics import mean_squared_error
     rmse = mean_squared_error(df['y'][-10:], forecast, squared=False)
     

• 检查数据尺度
  如果你的数据经过了归一化/标准化处理（比如缩放到0-1区间），RMSE的数值自然会很小。可以通过df['y'].describe()查看数据取值范围：

  • 若数据是缩放后的，要么还原到原始尺度再计算误差，要么直接使用原始数据重新建模。

• 排查模型过拟合
  样本内误差极小可能是模型参数过于复杂（比如p、q值设置过大）导致的过拟合，此时样本外预测误差会显著上升。你可以：

  • 对比模型的AIC/BIC值，优先选择数值更小的简约模型；
  • 采用滚动窗口验证法，多次拆分训练集和测试集，验证模型稳定性。

• 确认predict()参数正确性
  若手动设置了predict()的start和end参数，需确保start值大于训练集长度，否则输出的仍是样本内拟合值。比如训练集长度为100，start应设为100或更大，才能得到真正的预测结果。

内容的提问来源于stack exchange，提问作者Amirgiano