如何编写循环实现逐月扩展样本的ARMA(1,1)模型估算与样本外预测？

当然可以实现这种逐月滚动扩展样本的需求！下面我以R语言为例（你提到的arma()函数一般来自tseries包），给你一步步演示怎么写循环，同时保存每个模型的输出和关键结果：

1. 准备工作与数据加载 #

首先确保你加载了需要的包，并且数据是合适的格式（比如时间序列或普通数值向量）：

# 加载tseries包（包含arma函数）
library(tseries)

# 示例用内置月度时间序列AirPassengers，替换成你自己的数据即可
data(AirPassengers)
your_data <- AirPassengers

# 设置初始最小样本量：ARMA(1,1)至少需要几个观测？
# 理论上只要样本数>参数个数（2个），但实际建议用足够的初始样本（比如12个月，覆盖一个完整周期）
min_sample_size <- 12

# 获取数据总观测数
total_observations <- length(your_data)

2. 创建存储结果的容器 #

为了避免每次循环覆盖模型结果，我们用列表保存每个完整模型，同时可以用向量单独存储系数、预测值等：

# 空列表：保存每个ARMA(1,1)模型
arma_model_list <- list()

# 空向量：保存每个模型的AR系数、MA系数（可选，方便后续分析）
ar_coefficients <- numeric()
ma_coefficients <- numeric()

# 空向量：保存样本外1步预测值（可选）
one_step_predictions <- numeric()

3. 编写循环：逐月扩展样本并拟合模型 #

循环从初始最小样本量开始，每次新增一个月的数据，拟合模型并保存结果：

# 循环范围：从最小样本量到总观测数-1（最后一次用前n-1个数据预测第n个）
for (i in min_sample_size:(total_observations - 1)) {
  # 截取当前样本：从第1个观测到第i个观测
  current_sample <- your_data[1:i]
  
  # 拟合ARMA(1,1)模型
  current_model <- arma(current_sample, order = c(1, 1))
  
  # 保存模型到列表
  arma_model_list[[i - min_sample_size + 1]] <- current_model
  
  # 提取并保存AR、MA系数
  ar_coefficients[i - min_sample_size + 1] <- current_model$coef[1]
  ma_coefficients[i - min_sample_size + 1] <- current_model$coef[2]
  
  # 生成样本外1步预测（预测下一个月的数据）
  pred_result <- predict(current_model, n.ahead = 1)
  one_step_predictions[i - min_sample_size + 1] <- pred_result$pred[1]
}

4. 处理模型不收敛的情况（可选） #

有时候某些样本段可能会出现模型拟合失败（比如不收敛），可以用tryCatch跳过错误并记录：

for (i in min_sample_size:(total_observations - 1)) {
  current_sample <- your_data[1:i]
  
  tryCatch({
    current_model <- arma(current_sample, order = c(1, 1))
    arma_model_list[[i - min_sample_size + 1]] <- current_model
    ar_coefficients[i - min_sample_size + 1] <- current_model$coef[1]
    ma_coefficients[i - min_sample_size + 1] <- current_model$coef[2]
    pred_result <- predict(current_model, n.ahead = 1)
    one_step_predictions[i - min_sample_size + 1] <- pred_result$pred[1]
  }, error = function(e) {
    # 打印错误信息，方便排查
    message(paste("拟合样本量为", i, "的模型时出错：", e$message))
    # 用NA标记失败的结果
    arma_model_list[[i - min_sample_size + 1]] <- NA
    ar_coefficients[i - min_sample_size + 1] <- NA
    ma_coefficients[i - min_sample_size + 1] <- NA
    one_step_predictions[i - min_sample_size + 1] <- NA
  })
}

5. 查看结果 #

你可以通过索引查看某个特定模型的细节，比如：

# 查看第5次循环拟合的模型（对应样本量为12+5-1=16）
arma_model_list[[5]]

# 查看所有AR系数的变化趋势
plot(ar_coefficients, type = "l", xlab = "循环次数", ylab = "AR(1)系数")

内容的提问来源于stack exchange，提问作者meghna