了解导致 (0,0,0) 顺序的 auto.arima答案

【问题标题】：Understanding auto.arima resulting in (0,0,0) order了解导致 (0,0,0) 顺序的 auto.arima
【发布时间】：2018-09-05 15:25:49
【问题描述】：

我有以下时间序列，我想为其拟合 ARIMA 流程：

时间序列是平稳的，因为原假设被拒绝：

> adf.test(g_train)

    Augmented Dickey-Fuller Test

data:  g_train
Dickey-Fuller = -5.5232, Lag order = 17, p-value = 0.01
alternative hypothesis: stationary

当我使用 auto.arima 训练 ARIMA 流程时，我得到以下结果：

> auto.arima(g_train)
Series: g_train 
ARIMA(0,0,0) with non-zero mean 

Coefficients:
          mean
      142.6338
s.e.    0.4700

sigma^2 estimated as 1273:  log likelihood=-28761.11
AIC=57526.22   AICc=57526.23   BIC=57539.54

为什么它估计顺序是（0,0,0）？如何解读结果？

编辑：它变得越来越奇怪了。似乎给 auto.arima 的数据太多，因此无法计算出合适的模型。

我总共有 5760 个值，如果我只将数组的一部分传递给 auto.arima，它就可以工作。数据似乎没有任何最大长度。

auto.arima(g_train[1000:length(g_train)])
Series: g_train[1000:length(g_train)] 
ARIMA(4,1,3) 

Coefficients:
         ar1      ar2     ar3     ar4      ma1     ma2      ma3
      2.5736  -1.9617  0.1803  0.2073  -1.4577  1.0505  -0.2284
s.e.  0.0437   0.1133  0.0985  0.0290   0.0437  0.0561   0.0371

sigma^2 estimated as 7.925e-05:  log likelihood=16008.3
AIC=-32000.6   AICc=-32000.57   BIC=-31948.86

EDIT2：这里是我的数据的 Acf 图。我们可以清楚地看到季节性趋势。也许问题出在那儿？

【问题讨论】：

表示你的数据是白噪声。一些解释见here。
嗯，从图中可以清楚地看到数据不是白噪声。知道为什么会这样吗？
发生这种情况是因为 auto.arima 函数发现 ARIMA(0, 0, 0) 模型是最好的。你确定你的数据不是白噪声吗？在您的数据Box.test() 上尝试 Ljung-Box 测试并查看自动相关性forecast::Acf()，然后再将其排除。如果您仍然相信您的数据不是白噪声，那么您可以尝试手动训练您的 Arima 模型。请参阅here，了解auto.arima 的工作原理以及如何手动训练。
这是 Ljung-Box 检验的结果：X-squared = 5757.7, df = 1, p-value
你明白发生了什么吗？我也有类似情况

标签： r arima

【解决方案1】：

使用auto.arima 并指定该系列的均值是否=0

library(forecast)
auto.arima(x, allowmean=FALSE, allowdrift=FALSE, trace=TRUE)

x 在这种情况下是您的时间序列数据

【讨论】：

【解决方案2】：

可能我有点晚了，但我看到 2 点可能会影响这个结果。

ts 对象是否包含正确的频率？试试auto.arima(ts(as.numeric(AirPassengers), frequency = 4))（错误频率）和auto.arima(AirPassengers)（正确频率）看看我的意思。
auto.arima 的最大阶数为 (5, 2, 5)(2, 1, 2)。检查以max 开头的参数以尝试不同的数字。

【讨论】：

感谢您的建议！不幸的是，我无法再访问此代码来试用它了。