1.1 最小流水线总览

1.1 最小流水线总览

本节摘要：ARIMA(p,d,q) 是对差分后的平稳序列同时做自回归和滑动平均。动手时不要从公式展开，而从 Box-Jenkins 四步走：识别、估计、诊断、预测。本节给出一条示意序列上的最小路径，标明本章停在「给出候选阶」，拟合和滚动预测在第 2 章完成。

学习目标

阅读完本节，你应当能够：

1. 用自己的话解释 p、d、q 各自对应流水线的哪一步。
2. 画出识别阶段的循环：不平稳就差分，残差不白就回到定阶。
3. 在示意数字上口述一遍「先差分再定阶」的顺序，并说出为什么不能对调。

一、先把三个字母钉在工序上

ARIMA 的全称是 Autoregressive Integrated Moving Average。拆开看：AR 是用过去的观测解释现在，MA 是用过去的冲击解释现在，I 不是「积分课」，在时间序列里它几乎总是「差分了几次」。模型记作 ARIMA(p, d, q)：

• p：自回归阶数，当前值要回看几个自身滞后。
• d：差分次数，把趋势铲平要减几次相邻值。
• q：滑动平均阶数，当前值要回看几个过去误差。

对原始序列做 d 次差分之后，得到的序列被当成 ARMA(p, q)。这句话决定了动手顺序：先定 d，再在平稳序列上定 p 和 q。很多人一上来就把自动定阶函数对着原始带趋势序列猛跑，搜出来的 p、q 其实在拟合那条斜坡，而不是拟合平稳后的相关结构。

拿一条示意日发货量（单位：件，纯教学数字，不是某仓真实记录）：

日序  1   2   3   4   5   6   7   8   9   10  11  12
件数  40  42  41  45  44  48  47  51  50  54  53  57
​

肉眼能看出缓慢抬升。一阶差分后变成大约：+2, -1, +4, -1, +4, … 均值附近晃，这才是 AR 和 MA 该说话的地方。若你坚持在原始序列上读 ACF，会看到相关系数衰减极慢——那是趋势造成的「假长记忆」，不是真的需要 AR(20)。

💡 关键直觉：d 回答「地板斜不斜」，p 和 q 回答「平地上的涟漪怎么传」。先铲地，再看涟漪。

二、Box-Jenkins 四步，动手只先走识别

经典建模不把「拟合一个函数」当成单次回归，而当成可循环的工序。原文把四步写得很清楚，这里按能跑的顺序重排措辞：

1. 识别：看图，判断趋势和季节影子；用单位根检验或 ACF 慢衰减判断是否平稳；不平稳就差分直到平稳；再读平稳序列的 ACF/PACF，给出 p、q 候选。
2. 估计：对每个候选用最大似然等方法估 φ 和 θ。
3. 诊断：残差应接近白噪声——均值近零、方差稳定、彼此不相关。残差 ACF 再冒峰，或 Ljung-Box 拒绝白噪声，就回到识别。
4. 预测：诊断过关才往未来推。单步和多步、固定原点和滚动原点，规则不同，第 2 章展开。

识别阶段有两处循环。第一处在定 d：差分一次，再检验，仍不平稳再差，通常到二阶该停。第二处在诊断失败后：不是把 p 盲目加到 8，而是先问「是不是漏了季节、是不是过差分、是不是方差在涨」。

图 三个字母对应的工序而不是三个旋钮一起拧

三、最小路径在示意序列上长什么样

把上面 12 个点只当作「手感训练」。真实工作里样本量要大得多：日数据至少数月，月数据最好数年，否则季节阶和信息准则都会发抖。最小路径可以写成概念步骤（接口名用常见统计库，不指定保存位置）：

步骤 A  画折线：横轴日序，纵轴件数，问有没有斜坡、有没有七八天一循环
步骤 B  若有缺口，先按 1.3 的规则补，不要让检验吃进空值
步骤 C  对原始序列做 ADF；p 值若明显高于 0.05，倾向有单位根
步骤 D  一阶差分后再做 ADF；若拒绝单位根，d 记为 1
步骤 E  对差分序列画 ACF/PACF，按截尾拖尾列出两三个候选
步骤 F  把候选交给第 2 章估计，不要在这里用训练集 R 方宣布胜者
​

和指数平滑、朴素「用昨天预测明天」比，ARIMA 的成本是工序长、对平稳性苛刻；换来的是：参数可解释、诊断有统计量、预测区间有模型依据。和深度学习时序模型比，ARIMA 在短样本、弱非线性、需要向非算法同事讲清楚「为什么是这个数」时更合适当基线。原文也写过局限：线性假设、复杂异方差吃力、标准 ARIMA 不直接吃季节、对异常值敏感、读图有主观性。这些局限不是劝你放弃，而是提醒你：流水线要有出口——诊断失败就改阶或改 SARIMA，而不是加层数硬扛。

⚠️ 常见坑：把自动定阶的输出当成完工。函数最小化的是信息准则，不是「残差已白」也不是「持出样本误差最小」。没有诊断和滚动预测，那只是识别阶段的半成品。

信息准则原文给过形式：AIC 约等于负两倍对数似然再加 2 倍参数个数，BIC 把 2 换成样本量的对数，惩罚更狠。本节只要你记住：AIC/BIC 属于估计之后的比较，不属于本章的定 d。先把序列变成平稳的，再让准则在平稳世界里打架。

四、局限要挂在流水线出口上，而不是当附录空话

原文把 ARIMA 的局限写得很具体，动手时要把它们映射成「失败了去哪」。线性假设意味着促销与温度的交互、门限切换，不会被 p、q 自动学会；出口是加外生项或换方法，不是把阶加到 5。复杂异方差（波动成串）让高斯区间失效，出口是变换、分段或异方差模型，点预测仍可能留着 ARIMA。标准 ARIMA 不直接吃季节，出口是第 4 章的 SARIMA，而不是 MA(12)。异常值敏感，出口是第 1.3 节的定性，而不是让似然去「消化」错字。读图主观，出口是短名单加准则加残差，而不是一个人把 ACF 看到天黑。

把局限挂在出口上，流水线才有刹车。没有刹车的教程会变成：诊断失败就加阶，加阶后 AIC 更好，持出更差，然后责怪「ARIMA 过时」。过时的不是方法，是没有出口的用法。最小路径要求你在识别结束时只带走候选和一张「若失败则……」的便条，便条内容来自上述局限。第 2 章会把便条用起来。

再强调样本量。12 个示意点能让你看见斜坡，不能让你估 φ。日频至少覆盖数个星期循环，月频至少覆盖数年，否则季节影子和信息准则都会发抖。短样本更该先打朴素规则，而不是上完整 Box-Jenkins。这不是泄气，是避免把噪声当成阶。

五、动手对照：十二条示意点上你该留下什么

把 40,42,41,45,44,48,47,51,50,54,53,57 只当作手感。你应在笔记里留下：折线有缓慢抬升；一阶差分后在零附近晃；d 的候选是 1 而不是 0；p、q 尚未宣布唯一值。十二条不够估系数，所以本节禁止输出「最佳模型」。若有人用这十二条跑自动定阶并得到一个很大的 p，那是把趋势当成自回归，正好用来当反例。

问题：能不能跳过识别直接搜网格？

能当助手，不能当完工。网格不知道季节 m，也不知道过差分。搜完仍要看图、看残差。第 1 章的交付是候选加失败出口，不是一个元组。

问题：I 为什么叫积分却在做减法？

差分的逆是累加。预报时要把差分预测加回水平，这才是 Integrated 的实感。识别阶段你只做减法；第 2 章才做加回去。

六、场景推演（示意，非真实序列）

某仓要把「下周每天件数」交给拣货排班。你手头只有按日对齐的示意序列，没有促销日历，也没有天气。正确的第一周工作不是打开自动定阶，而是：画折线确认缓慢抬升；检查有没有周日空行；对原始序列做单位根对照；一阶差分后再看 ACF 是否还粘着。识别结束时笔记里只有 d=1 和三四个 (p,q)，没有「最佳模型」字样。第二周才估计、验残差、用最后三周滚动一步去打「明天等于今天」。若滚动输了，流程的出口是承认近随机游走，而不是把第 1 章的候选写进报表。十二条教学点只用来在白板上演示差分，不能拿去交差给排班。把「识别交付候选、估计交付残差、滚动交付误差」三句话贴在仓控室，比贴 ARIMA 三个字母有用。局限也要同时贴上：线性吃不了大促交互，标准 ARIMA 吃不了星期，异常值会劫持检验。失败时按出口走，不要怪方法过时。

七、口令卡与计算备忘

口令：先 d 后 p、q；本章只交候选。计算备忘：一阶差分损失 1 个点，12 个示意点差分后剩 11 个，不够估 ARMA，只能看趋势是否被铲平。Box-Jenkins 四步里识别含两处循环，定 d 的再检验是本章的，诊断失败回定阶是第 2 章的，不要混成一次网格搜索。AIC 公式里的 2k 不属于本章，把它提前当定 d 工具等于跨尺度比较似然。局限映射成出口：线性失败加外生或换方法，季节失败去 SARIMA，尖点失败回预处理，读图主观用短名单约束。把这张口令卡和 1.1 的流程图对着贴，识别阶段就不会提前宣布最佳模型。自动定阶可以扩容，但扩容结果仍要经过图与单位根，否则只是把趋势搜进了 p。

八、原文要点补全

原文把经典方法放在 ARIMA 之前当基础与基准：朴素、简单平均、移动平均、分解、指数平滑、回归，都可能在特定形态上更省事。最小流水线不是宣称 ARIMA 必胜，而是先走通 Box-Jenkins，再用这些方法当第 4 章的对照桌。简单平均假设水平稳定，对有斜坡的发货量会系统性落后；窗口移动平均平滑的是 y 本身，和 MA(q) 加权冲击不是一回事，识别阶段不要把平滑线当已经做完 MA。分解能看见趋势与季节，但不能代替单位根检验，也不要在识别阶段用分解剩余项去定 p、q。指数平滑的 α、β、γ 是状态更新权重，和 φ、θ 语言不同，第 2 章才比较谁值班。把「基准先上桌」写进最小路径的出口，识别结束才不会误以为流水线必须以复杂阶交差。回归把时间或滞后当自变量时，仍要问残差是否白，否则只是换了一套伪回归。

要点速记

• 三个字母有顺序：先 d 后 p、q；I 在实务里就是差分次数。
• ARIMA 等于差分后的 ARMA：斜坡还在，ACF 会慢衰减，定阶全部失真。
• Box-Jenkins 是循环：识别 → 估计 → 诊断，残差不白就回去，不是一次回归。
• 本章交付候选阶：不要用拟合优度提前宣布最佳模型。
• 示意数字只练手感：12 个点能看趋势，不够当真拟合。
• 局限要挂在出口上：线性、季节、异常值、读图主观，对应第 2 章诊断和第 4 章 SARIMA。
• 自动定阶是助手：仍要人看图、看残差、看滚动误差。

下一节我们先把「时间序列」从普通表格里揪出来：顺序为什么不能打乱，以及趋势和季节在图上长什么样。