2.4 AIC与BIC选模型

2.4 AIC 与 BIC 选模型

本节摘要：当多个 (p,q) 都过诊断，用信息准则在样本内平衡拟合与复杂度。AIC = -2 ln(L) + 2k，BIC = -2 ln(L) + ln(n) k。k 含 φ、θ 和常数等被估参数。值越小越好。BIC 对复杂度惩罚更重，大样本更爱简单模型。准则不能替代滚动预测误差。

本节导航

阅读完本节，你应当能够：

1. 指出 AIC 与 BIC 的惩罚项差别，并说明何时我更信 BIC。
2. 列出必须在同一差分定义、同一样本上比较的纪律。
3. 把准则当作短名单排序器，而不是「最小 AIC 即上线」。

一、似然高不等于模型好

多加一个 AR 项，样本内总还能再咬掉一点残差，对数似然几乎只会升（或持平）。若不惩罚，赢家永远是最胖的模型，持出样本会还债。信息准则把「解释力」和「参数个数」写在同一张账单上。原文给出的形式（k 的计数含 p+q 再加常数一类项，实现时以软件的 k 为准）：

AIC = -2 ln(L) + 2k

BIC = -2 ln(L) + ln(n) k

n 是用于估计的有效样本量（差分会吃掉开头几点，n 不是原始长度）。n 大于 e²≈7.4 之后，ln(n)>2，BIC 对每个额外参数罚得比 AIC 狠。月度十年 n≈120，ln(120)≈4.8，多一个参数在 BIC 里相当于 AIC 的两倍多惩罚。这就是「大样本 BIC 更朴素」的定量来源。

示意（教学数字，不是某次真实拟合）：

AIC 会指着 (1,1,1)，BIC 觉得 (1,1,0) 和 (1,1,1) 接近、胖模型明显吃亏。若三者残差都白，我会把 (1,1,0) 与 (1,1,1) 都送去滚动预测，而不是只宣布 AIC 冠军。

二、比较纪律：什么时候准则在撒谎

跨 d 比较是最常见的作弊。d=0 的似然在水平序列上，d=1 在差分序列上，AIC 小可能只是因为序列尺度变了。要比较不同 d，应把预测反变换回原尺度，用持出误差比，而不是比 AIC。

自动定阶函数内部就是在网格上最小化 AIC 或 AICc（小样本修正）。它很勤快，也很盲：网格含进季节滞后当普通 q、含进过差分，它仍会吐一个最小 AIC。所以自动结果必须再过残差 ACF 和 Q 检验。我把自动搜当「短名单扩容器」，不把它当完工章。

⚠️ 常见坑：在含季节的月度序列上用无季节网格搜到 ARIMA(0,1,12) 之类，AIC 漂亮，其实是在用普通 MA 硬扛年季节。准则不会提醒你 m=12。

三、我怎么在 AIC 与 BIC 之间站队

小样本、真正的数据生成过程可能较复杂时，AIC 更不容易欠拟合，适合当探索。要上线给仓库排班、模型越简单越好交代时，我偏 BIC。两者选的模型若差很远（一个 (1,1,0) 一个 (3,2,2)），说明短名单或 d 不稳定，应回图，而不是平均两个预报。

AICc 在 n 只比 k 大一点时把惩罚再加重一点，月度短序列值得看。它仍是样本内准则。最终对外的数字，用滚动原点的 RMSE 或 MAE。准则负责「别胖到荒唐」，滚动负责「别在未来段丢脸」。

💡 关键直觉：AIC/BIC 是同一张试卷上的打分，滚动误差是下一次月考。用月考成绩录用，用平时分淘汰明显抄袭的胖子。

报告时同时给 AIC、BIC、Q 检验 p 值、持出 RMSE。四列比单列「最佳模型 ARIMA(2,1,1)」难被质疑。若业务问为什么不选 AIC 最小的那个，答案应是：它的残差在滞后 7 不过，或滚动 RMSE 更差。没有这句，准则就是玄学。

概念比较：

results = []
for p, q in [(1,0), (2,0), (1,1)]:
    fit = ARIMA(y, order=(p, 1, q)).fit()
    results.append((p, q, fit.aic, fit.bic))
# 只保留 Ljung-Box 通过的行，再按 bic 排序
​

原文把 AIC、BIC 放在「多个组合都看起来合理」之后，这个顺序必须遵守：先图、先诊断，再准则。把准则提前到识别阶段当唯一依据，等于放弃 ACF 口诀，也放弃对季节峰的视觉警觉。

四、AICc、自动搜的网格陷阱，以及和持出的分工

小样本修正 AICc ≈ AIC + 2k(k+1)/(n-k-1)，在 n 只比 k 大一点时把胖子罚得更狠。月度四五年、还要季节阶时，AICc 值得看。它仍完全是样本内。n-k-1 接近 0 时公式会炸，说明你参数已经对样本太贪，应减阶而不是改用 AIC。

自动定阶的网格若允许 p、q 到 5，再允许季节 P、Q 到 2，组合数爆炸，最小 AIC 常常是一个没有图支持的奇怪元组，持出很差。约束网格：非季节 0～2，季节 0～1，d、D 由检验先锁死而不是让准则去选差分。跨 d 的 AIC 不可比，让函数同时搜 d 等于允许它作弊。若软件默认搜 d，你要事后用图和 ADF 复核，而不是把搜到的 d 当真理。

同一模型在含常数与不含常数时 AIC 也会变。常数是否有意义应先看差分后均值和领域知识，再让准则在「有/无常数」两个合法设定里选，而不是把常数当又一个自由搜的整数阶。潮位有界却估出显著漂移，即使 AIC 更好，也要用物理否决。

和持出的分工写成口令：准则淘汰明显的胖子和残差不白者；持出在剩下的两三个里拍板；两者冲突时（AIC 爱 A，滚动爱 B）报两个数，让值班成本参与决策。不要平均两个模型的预报来「调和准则与持出」——那会让复盘无法指向单一工序。若必须组合，那是另一类方法，本课不展开。

报告四列（AIC、BIC、Q、持出 RMSE）时注明 n 和 k，避免后人把不同差分的 AIC 贴在一张历史表里比大小。这是跨项目最常见的表格污染。

五、动手对照：短名单排序再送滚动

残差不白的行先删。同一 d、同一变换下按 BIC 排序，AIC 冠军若不同，两个都送持出。跨 d 的 AIC 直接丢弃。自动搜到 (0,1,12) 先问季节，再问 Q 或 D，不要当普通 MA(12) 上线。

问题：大样本听谁的？

ln(n)>2 后 BIC 罚得更狠，上线交代时我偏 BIC。探索短样本可看 AIC/AICc。冲突时用滚动拍板，不要平均两个预报。

问题：k 怎么数？

含 φ、θ、常数等被估参数，以软件为准。跨软件不要比 AIC 绝对值。

六、场景推演（示意，非真实序列）

示意四行候选里 AIC 指 (1,1,1)，BIC 觉得 (1,1,0) 接近。残差都白，两个都送滚动，不宣布 AIC 冠军。d=0 与 d=1 的 AIC 不可比，差分改了似然定义，跨 d 用持出误差。自动网格把季节滞后当普通 q 搜到 12，先问 m。AICc 在月度短序列把胖子罚得更狠，n-k-1 接近 0 说明贪了，应减阶。常数有无先看领域再让准则在两个合法设定里选，潮位显著漂移也可用物理否决。报告四列加 n 和 k，避免后人把不同差分的 AIC 贴一张表。准则淘汰胖子，持出拍板，冲突时报两个数加值班成本，不要平均预报来调和。

七、口令卡与计算备忘

口令：同一 d、同一变换、残差已白，才能比准则。AIC 罚 2k，BIC 罚 ln(n)k，n 大听 BIC。跨 d 用持出。自动搜锁死 d、D，网格非季节 0～2、季节 0～1。看见 (0,1,12) 先问季节槽。AICc 在 n 近 k 时加重惩罚，公式将炸说明贪了。常数先领域后准则。四列报告加 n、k。准则淘汰胖子，滚动拍板，冲突不加平均。跨软件 AIC 绝对值无意义。把「残差不白不准参赛」写成表头，防止最小 AIC 的未白模型混进决赛。

八、原文要点补全

原文给出 AIC=-2ln(L)+2(p+q+1) 一类形式，BIC 把 2 换成 ln(n)，对复杂度惩罚更重，大样本更朴素，值越小越好。注意实现里 k 是否含常数与方差，以软件为准，但比较必须同一样本同一差分。原文把准则放在「多个 (p,q) 都看起来合理」之后，顺序是先图先诊断再准则。自动最小化 AIC 的函数不知道季节 m，可能吐出普通 MA(12)。跨 d 比较 AIC 不合法，应把预测还原到原尺度用持出误差比。把原文公式里的 (p+q+1) 理解成「参数个数的示意」，报告时写明 n 与 k，避免后人把不同差分的 AIC 贴一张历史表。

对照表（补全动作）

九、示意算术走一遍

示意 n=100、k=3、ln(L)=-139.8：AIC 约 285.6，BIC 约 293.4。同一表里 k=2、ln(L)=-142 的 AIC 288、BIC 293.2，BIC 会觉得简单模型接近，AIC 更爱多一个参数的那个。不要拿 d=1 的 AIC 去和 d=0 比，差分改了序列。自动搜若吐出 q=12，先在残差 ACF 看是不是年季节，是则改季节槽，不是才允许普通高阶 MA。AICc 在 n 只比 k 大一点时再加重惩罚，月度四年还加季节阶时值得看；分母接近零说明参数已经对样本太贪。把这张示意账和「残差不白不准参赛」写在同一页，准则就不会单独决定上线。

十、准则表怎么避免被污染

同一张表必须写明样本长度、参数个数、差分次数、变换。缺这四列，历史表会把不可比的对数似然混在一起。残差未白的行不准参赛。两个冠军都送滚动，用持出段拍板，不要在准则上提前宣布上线。跨差分次数比较时改用持出误差，准则只在同一地形上发言。

一节小结

• AIC 罚 2k，BIC 罚 ln(n)k：n 一大，BIC 更朴素。
• 越小越好：但只在同一 d、同一变换、同一样本上。
• 残差不白的模型不准参赛：准则不管白噪声。
• 跨 d 用持出误差比，不用 AIC 比。
• 自动定阶是扩容器：仍要人看季节和残差。
• AIC 冠军与 BIC 冠军都送滚动：用未来段拍板。
• 报告四列：AIC、BIC、Q 检验、持出误差。

下一节把模型真正推到「还没发生」的日子：滚动原点、多步预测，以及 MAE/RMSE/MAPE 各自会骗你的方式。