时间序列预测中Autocorrelation plot解读及百分比数据预测方法咨询

pandas autocorrelation_plot 结果解读 #

• 横轴代表滞后阶数（lag），含义是当前序列值与往前数第N期的序列值做相关性计算，比如lag=3就是拿当前值和3期之前的数值计算相关系数。
• 纵轴代表自相关系数，取值范围在-1到1之间，绝对值越大说明该滞后阶数的历史值和当前值的相关性越强：数值为正代表正相关，数值为负代表负相关。
• 图中自带的两条水平虚线是95%置信度的显著性阈值：如果某一滞后阶数对应的自相关系数落在虚线外侧，说明该阶数的自相关性是统计显著的，不是随机误差导致的。

你可以结合你的图的实际表现做判断：

如果前多阶自相关系数都显著为正，且随滞后阶数增大缓慢下降，说明你的序列属于非平稳序列，存在趋势性，建模前需要先做差分、去趋势等平稳化处理。
如果仅前少数阶（比如1-3阶）的自相关系数显著，后续快速落入阈值范围内，说明序列是平稳的，可直接用ARMA类模型建模，显著的阶数可直接作为AR项的参数参考。
如果自相关系数呈现周期性的峰值（比如每12阶就出现一个显著峰值），说明序列存在固定周期的季节性规律，建模时需要加入季节项。

适配该类数据的预测方法推荐 #

你当前的数据集是单变量时间索引的百分比数据，可按照数据量从少到多选择对应方案：

• 数据量小于200条时间步：优先选经典统计模型，无季节性选ARIMA，有季节性选SARIMA，作为基准模型实现门槛低，对小数据量的拟合效果稳定。如果你的百分比数据取值严格在0到1之间，建模前可先做logit变换拉伸值域，预测完成后再逆变换回百分比区间，能提升预测精度。
• 数据量在200到1000条时间步：优先选轻量梯度提升树模型（XGBoost、LightGBM），通过滑动窗口构造特征（将前N期的数值作为特征输入，预测当期值），能捕捉序列的非线性规律，效果上限高于传统统计模型。
• 数据量大于1000条时间步：可尝试时序专属深度学习模型，比如LSTM、Temporal Fusion Transformer，对长周期的隐性规律捕捉效果更好，不过对应的调参和数据预处理成本也更高。

内容的提问来源于stack exchange，提问作者Cintia Bru Carnicer