3.1 组成要素

3.1 组成要素：趋势、季节、周期、随机性

本节摘要：一条观测序列通常是几种形状叠在一起：缓慢漂移的趋势、固定周期的季节、长度不固定的周期、以及无法用前三者说完的随机项。ARIMA 并不逐项「扣帽子」再相加那么简单，但你必须先能喊出名字，才知道该差分、该季节差分，还是该承认随机项里还有结构。

本节目标

阅读完本节，你应当能够：

1. 用加法和乘法两种直觉描述成分如何叠合，并说明方差随水平变宽时为何倾向乘法。
2. 给出季节与周期的可操作区别：周期长度是否固定、能否用 m 编码。
3. 说明随机项的理想终点是白噪声，而白噪声不是「没有波动」。

一、先喊名字，再决定动哪一刀

经典分解常写成加法：y_t ≈ 趋势 + 季节 + 周期 + 随机。乘法：y_t ≈ 趋势 × 季节 × 随机，适合「水平越高、季节鼓包越大」的发货量。电表负荷在盛夏的日振幅往往随基线升高，乘法或先对数再加法更自然。潮位在固定地形约束下振幅未必随均值线性放大，加法有时够用。选错叠合方式，后面的差分只是在错误尺度上铲地。

趋势是窗口均值的长途旅行：仓库扩容后日发货缓慢抬高，不是一周内的锯齿。季节是日历能编码的重复：周七天、年十二个月、日二十四小时。周期是鼓包，但长度会漂：宏观景气可能三年也可能七年，你无法事先把 m 写死。随机项是减去你愿意建模的形状之后仍在晃的部分——它仍可能有短记忆，那正是 ARMA 的工作；若连短记忆都没有，就是白噪声。

示意周发货（教学）：

周一到周日：40, 52, 48, 47, 50, 30, 28
下一周：     42, 55, 50, 49, 53, 31, 29
​

周末低、周中高，长度固定为 7，这是季节。若一年里这形状逐渐整体抬高，那是趋势叠季节。不要把「这周比上周高 2」叫周期——那只是趋势或随机游走的一小步。

二、成分与 ARIMA 旋钮的对应

周期成分让人沮丧：样本里可能只重复两三次，估出来的「周期长度」极不稳。经济序列上有人用滤波单独抽循环，那已超出本教程的 ARIMA 主线。动手原则是：不能用固定 m 编码的，就不要塞进 SARIMA 的季节槽。宁可让它留在随机项里，用诊断承认模型解释不了长循环。

💡 关键直觉：季节是「日历能点名的重复」，周期是「看起来像重复但点不了名」。点得了名才配得上一个整数 m。

三、随机项不是垃圾，白噪声才是终点

业务同事常把「随机」理解成「没规律、可以忽略」。在 ARIMA 里，随机项是尚未被趋势/季节说完的动力学。AR 说「它还记得自己的过去值」，MA 说「它还记得过去的意外」。只有当记得的部分都被参数吸收，剩下的意外彼此无关、方差稳定，随机项才降格为白噪声。白噪声仍然有波动——潮位仪的读数噪声、点货时的随机零星单——只是这些波动帮不了你预测下一步。

因此第 2 章把残差当白噪声检验，不是审美。残差若仍有季节鼓包，说明组成要素里的季节没进模型，被错当成「短记忆随机」用 p、q 去啃，啃不动。残差若仍有斜坡，趋势没差分够。诊断在理论语言里就是：检查你把成分塞进了正确的槽。

⚠️ 常见坑：用移动平均把图「刮」得很光滑，再对光滑序列做 ARIMA。你刮掉的可能是 MA 要吃的短冲击，也可能是季节。分解平滑是探索图，不是估计前必须的滤镜。

确定性季节（一组月份哑变量）与随机季节（季节 ARMA）也要分清。前者假设每年夏天形状几乎同一套系数；后者允许季节形状有记忆、慢慢变。零售日历稳定时哑变量很干净；气候与活动在变时，季节 ARMA 更弹性，也更吃样本。第 4 章 SARIMA 走后者。不必在本章选边，但要知道「季节」这个词下面至少两套装置。

加法分解的教学写法：先估一条缓慢趋势（甚至只是线性时间），再按 m 把同期平均当季节指数，剩下当随机。这能帮你看见 m，不能替代单位根检验——确定性去趋势之后仍可能有单位根。探索分解与推断用的差分，是两套工具，不要因为分解图好看就宣布 d=0。

四、分解图能看、不能代替检验，以及干预与日历

经典加法分解把序列拆成趋势线、季节指数、剩余项，乘法分解则让季节指数随水平缩放。分解图极利于给调度台讲「旺季长什么样」，也利于发现 m。它不能代替单位根检验：你从剩余项里看到「还在晃」，那晃仍可能带单位根。有人先分解再对剩余项做 ARIMA，等于把确定性季节抽走后再建模短记忆，这是合法路径，但要保证季节指数只用训练段估计，否则持出泄漏。分解用的移动平均窗口还会刮掉 MA 要吃的短冲击，剩余项的 ACF 会被人为改写。探索用分解，估计用原序列加 SARIMA 或哑变量，不要把探索滤镜当成数据本身。

日历效应不止季节：调休、春节错位、学校假期，长度不固定，m 编码不了。它们更像干预或外生日历变量。硬塞进季节槽，会把「有的年份春节在 1 月、有的在 2 月」平均成一套错误的月指数。周期成分（景气循环）同样点不了名，样本里重复两三次就估长度，结果会跟着窗走。本课的诚实说法是：点得了名的进季节槽，点不了名的要么当干预，要么留在随机项并承认模型解释不了长循环。

随机项里的短记忆才是 ARMA 的食物。把随机项理解成「可以忽略的垃圾」，会催人把图刮得过光滑。光滑后残差很白，是因为你把可预报的短记忆提前刮掉了，持出时真实冲击的余波还在，模型却已经无参可调。这是「探索平滑」最贵的副作用。

五、动手对照：给成分命名再动刀

周发货示意周末低、周中高，长度 7，那是季节。整体逐年抬高是趋势。长度漂的鼓包不要叫季节。随机项里若还有短记忆，才是 ARMA 的食物；没有了才是白噪声。分解图可以给人看旺季，不能代替单位根检验，也不要把平滑当估计输入。

问题：加法还是乘法？

振幅随水平变宽用乘法或先对数；潮位在固定量程内加法往往够。选错尺度，后面差分是在错误地形上铲地。

问题：随机项是垃圾吗？

不是。它是尚未被趋势季节说完的动力学。刮得过光滑会把可预报的短记忆提前刮掉。

六、场景推演（示意，非真实序列）

周发货示意周末低、次年整体抬高：季节加趋势，不是「波动很大」。长度漂的宏观鼓包点不了 m，不要塞季节槽，宁可留在随机项并承认解释不了长循环。春节错位用干预或日历变量，硬塞月季节会平均成错误指数。探索分解给人看旺季，季节指数只用训练段；估计输入用原序列加 SARIMA 或哑变量，不要把移动平均刮过的剩余项当真数据，MA 要吃的短冲击可能已被刮走。加法对振幅稳定，乘法对水平越高鼓包越大。随机项不是垃圾，白噪声才是终点。残差若仍有周鼓包，是季节进错槽，用 p、q 啃不动。

七、口令卡与计算备忘

口令：先命名再动刀。趋势用 d，季节用 m 与季节槽，周期点不了名就不要塞，短记忆用 p、q，白噪声是终点。加法对振幅稳定，乘法或对数对鼓包随水平变大。分解图给人看，估计用原序列，季节指数只用训练段。日历错位用干预。刮得过光滑会刮走 MA 食物。残差仍有周鼓包说明季节进错槽。探索平滑不是估计前必做滤镜。把成分表当成诊断时「回哪一槽」的索引，第 2 章的残差峰位置就能对上本章名字。

八、原文要点补全

原文 2.1 把组成写成趋势、季节性、周期性、随机性。趋势是长期向上或向下；季节性是固定周期重复，如冬季取暖能耗高于某些季节；周期性是不固定长度的较长波动，如经济周期；噪声是无法用前三者解释的随机波动。加法 Y=T+S+R 适合季节幅度不随水平变；乘法 Y=T×S×R 适合幅度随水平增长。分解提供结构理解，预测效果依赖成分估计准确性。把周期与季节的可操作区别（能不能用整数 m 编码）写进槽位表，避免经济循环被硬塞进 SARIMA。随机项的终点是白噪声，不是「可以忽略」。探索分解的移动平均窗口可能刮掉短冲击，估计输入应回到原序列或可逆变换。

对照表（补全动作）

九、示意算术走一遍

周发货示意工作日高、周末低，长度 7，进季节槽。次年整体抬高进趋势槽。景气鼓包三年一次又七年一次，点不了 m，不要塞 SARIMA。春节有时在一月有时在二月，用干预。加法适合振幅稳定的潮位，乘法适合件数随旺季放大。分解图给调度台看旺季，季节指数只用训练段估计；估计输入回到原序列加季节装置。刮得过光滑会刮走 MA 要吃的短冲击。把命名表当成残差峰的索引：短阶柱对 p、q，7/12 柱对季节，斜坡对 d，喇叭对变换。

重点提炼

• 先命名再动刀：趋势、季节、周期、短记忆随机、白噪声。
• 加法对振幅稳定，乘法或对数对「水平越高鼓包越大」。
• 季节能编码 m，周期不能：不能编码就不要塞季节槽。
• 随机项里仍有 ARMA 可吃的记忆：白噪声才是终点。
• 残差诊断 = 检查成分是否进错槽。
• 光滑滤镜不是估计前必做：可能刮走 MA 或季节。
• 探索分解替代不了单位根检验。

下一节把「地板平不平」说严：弱平稳三条、单位根、趋势平稳，以及伪回归从哪来。