为何简单移动平均模型预测值恒定？多时间序列模型预测值一致问题

咱们来拆解几种场景下的原因，帮你理清背后的逻辑：

1. 2期简单移动平均（SMA）与单指数平滑（SES）预测值一致 #

你用的是n=2的简单移动平均，forecast包对它的预测逻辑是：把训练集最后一期的移动平均值（也就是(y_T + y_{T-1})/2，T为训练集最后一个时间点）作为所有未来时间段的预测值，属于“平预测”（flat forecast）。

而单指数平滑（水平型Holt-Winters模型）的预测逻辑是：未来所有期的预测值等于最后一期的平滑水平值L_T，计算式为L_T = α*y_T + (1-α)*L_{T-1}（α是平滑系数）。

当满足以下条件时，两者的预测值会完全一致：

• 你的时间序列平稳、无趋势、无季节性，序列波动极小，最后几个观测值的移动平均值刚好等于SES的平滑水平值；
• 或者你在SES中使用了α=2/(n+1)=2/3的平滑系数，长期来看平滑水平值会收敛到2期移动平均的结果。

2. auto.arima()预测值也与前两者一致 #

auto.arima()会根据数据特征自动筛选最优ARIMA模型，当你的序列符合以下情况时，它的预测结果会和SMA/SES重合：

• 序列平稳（ADF检验显著）、无趋势、无季节性，且自相关（ACF）、偏自相关（PACF）系数快速衰减至0（无显著自相关）；
• 此时auto.arima()会选择ARIMA(0,0,0) with mean模型——也就是用训练集的样本均值作为所有未来期的预测值。如果这个均值刚好等于你最后一期的SMA值、SES的平滑水平值，三者的预测结果就会完全一致。

验证小技巧 #

你可以通过以下步骤确认原因：

• 用ets()拟合单指数平滑：mod_ses <- ets(data.train, model="ANN")，然后查看mod_ses$alpha是否接近2/3；
• 对比三个关键值：训练集样本均值（mean(data.train)）、最后一期SMA值（tail(mod_mva, 1)）、SES的最后水平值（mod_ses$states[1]）；
• 查看auto.arima()的模型结果：mod_arima <- auto.arima(data.train)，打印mod_arima确认是否为ARIMA(0,0,0) with mean。

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