为什么使用R的decompose函数处理时间序列时会出现数据丢失？

• 这一现象大概率不是你的时间序列本身存在异常，是decompose()函数的底层算法设计导致的正常现象：

decompose()默认采用对称移动平均法计算趋势项，以周期长度为s的时间序列为例，如果使用默认的2*s阶对称移动平均，序列首尾各s/2个观测值无法覆盖完整的移动窗口，对应的趋势项、季节调整后序列、随机项都会自动填充为NA。比如月度数据（s=12），输出结果首尾各6个值为NA是完全正常的情况。

• 如果你需要得到全序列无NA的分解结果，可以更换其他分解方法：
  • 改用stl()函数做STL分解，该方法采用Loess局部回归计算趋势，支持对序列首尾数据做外推拟合，不会出现首尾NA的问题，调用示例为stl(ts_object, s.window = "periodic")
  • 如果你坚持用移动平均类的分解逻辑，可以手动指定单侧移动平均计算首尾的趋势项，但会损失部分趋势估计的准确性
• 现有带NA的分解结果基本不影响后续ARMA建模：你可以直接过滤掉首尾的NA值，用中间非NA的平稳随机项序列拟合ARMA模型即可，对拟合结果的准确性不会产生明显影响。

内容的提问来源于stack exchange，提问作者DON_DON