VAR模型训练遇LinAlgError：数组第6阶顺序主子式非正定

问题背景 #

我生成了名为new_new_dfs的DataFrame列表，各表为不同Coupon（利率）的债券证券（抵押贷款组合）月度差分Single Month Mortality（SMM）数据，行列数略有差异。使用以下代码为每个DataFrame训练向量自回归（VAR）模型：

for df in new_new_dfs:
        train = df[df.index <= max(df.index) - relativedelta(months = 3)]
        test = df[df.index > max(df.index) - relativedelta(months = 3)]
        train = train.dropna()
        if train.empty is False and len(train) > 10 and len(list(train.columns)) > 1:
                model = VAR(train)
                result = model.fit()
                result.summary()

已跳过空DataFrame，检查了行列数以确保适配VAR模型，但处理到第11个左右的DataFrame时，出现报错：LinAlgError: 6-th leading minor of the array is not positive definite。尝试打印对应的trainDataFrame排查，但无法确定问题所在，恳请分析原因。

核心原因 #

这个报错的本质是VAR模型拟合时依赖的协方差矩阵（或相关矩阵）不满足正定要求，具体到你的场景，可能是以下情况之一：

• 变量间严重共线性：第11个DataFrame的训练集中，至少6个变量存在高度线性相关（比如某几个SMM差分序列几乎完全同步变动）。VAR模型需要对协方差矩阵求逆，共线性会让矩阵接近奇异，导致计算失败。
• 样本量相对变量数不足：虽然设置了len(train) > 10，但如果该DataFrame的变量数较多（比如≥6个），10个样本远不足以支撑稳定的协方差矩阵估计，容易导致矩阵非正定。
• 数据方差异常：某个或某几个变量的差分数据方差几乎为0（比如该Coupon对应的SMM长期无变动，差分后全是0或接近0），这会让协方差矩阵的对角线元素趋近于0，破坏矩阵的正定性质。
• 数值精度问题：数据的数值量级差异过大，或者计算过程中出现浮点数精度损失，导致协方差矩阵的特征值出现负数或近似0的情况，触发非正定报错。

排查与解决建议 #

• 针对第11个DataFrame，计算训练集的相关系数矩阵，查看是否有变量间相关系数接近±1的情况，若有则剔除高度相关的变量。
• 统计该训练集的样本量和变量数：如果变量数≥样本量，直接跳过这个模型训练，或者合并/剔除部分变量后再尝试。
• 检查每个变量的方差：若某变量方差远小于其他变量，考虑剔除该变量，或者对所有变量做标准化处理。
• 尝试在拟合前对数据做标准化/归一化，减少数值精度问题的影响；或者在model.fit()中添加ic='aic'参数，让模型自动选择最优滞后阶数，避免高阶滞后加剧共线性问题。

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