ARIMA异常预测问题：不同训练时间范围样本预测结果偏差原因咨询

现象合理性判定 #

该现象属于ARIMA模型固有拟合逻辑下的正常结果，不存在代码运行错误类的异常问题。

遗漏的核心影响因素 #

• 平稳性预处理的逻辑偏差：ARIMA建模前会自动对序列做差分处理以满足平稳性要求，两次训练得到的差分规则存在本质差异：2017-2020年的训练序列包含疫情爆发初期的跳涨段，一阶差分后仍会保留正向增长趋势，模型会将疫情带来的突发跳涨识别为长期延续的增长趋势；加入2021年数据后，序列跳涨后大概率进入平台波动/小幅回落阶段，差分后正向趋势被抹平甚至出现负向修正，模型对后续增长的预期会主动下调。
• 滞后项参数的拟合偏差：predict()输出的样本外预测值高度依赖自回归、移动平均项的拟合参数：2020年截止的训练集末尾几期都是疫情爆发初期的爆发式增长数据，自回归系数会被拟合为较高的正向值，直接推高后续预测结果；加入2021年全年数据后，若2021年数据不再延续跳涨走势，移动平均项会对冲前期跳涨的影响，自回归系数也会被拉低，最终预测值反而低于2020年截止的模型输出。
• 未考虑结构性突变的干扰：ARIMA是单变量时序模型，无法自动识别疫情这类外生结构性突变，两次训练均未将疫情作为外生控制变量纳入模型（即ARIMAX的exog参数），导致模型只能从纯数值波动规律拟合，完全错配了真实业务逻辑：2020年截止的模型误将突发跳涨判定为长期趋势，2021年截止的模型误将跳涨判定为短期异常后续会均值回归，两种拟合结果都偏离实际情况。

排查与优化建议 #

• 分别导出两次训练得到的ARIMA阶数(p,d,q)及对应系数，重点对比差分阶数d、自回归项系数的差异，即可直接验证上述推论
• 绘制两次训练序列差分后的时序图，可直观看到趋势项的拟合差异
• 后续改用带外生变量的ARIMAX模型，将疫情时段设为0-1虚拟变量纳入训练，可大幅降低结构性突变带来的拟合偏差

内容的提问来源于stack exchange，提问作者DIssawi