用ARIMA方法拟合预测模型，是不是原始序列不符合平稳性拟合的模型就不能用来预测？求

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

       在开始拟合模型时，没有注意原始序列的平稳性，使用minic方法对原始数据进行拟合，结果拟合出了一个模型，白噪声检验，各项参数检验也都符合要求。但是ADF检验后发现P值很大，不能拒绝H0，原始数据并不符合平稳性要求。在对数据进行差分或者对数处理后，试图再拟合模型发现，白噪声检验的P值已经大于0.05或者无法得到检验统计量有意义的模型，我想问，可不可以用不平稳的原始数据拟合的模型进行预测？还是再采用其它方法对原始序列进行探索后，符合平稳性了，在进行拟合？另外有没有除了对原始数据求对数，处理原始序列的方法？还求高手解答啊，谢谢啦

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：ARIMA 预测模型 平稳性 Rim ima 模型 ARIMA 拟合

没有人回复，自己顶了！本人小白，有弱智的地方也请高人点拨哦

建议尝试别的方法建模

子鹿你好，谢谢你的回复！ARIMA模型不适合用于此序列的处理了吗？

If you want to build time series model under ARIMA framework, you have to have a stationary series before doing next steps, because all assumptions about ARIMA model are based upon stationarity. To get a stationary series, you can take difference of the original series. If ADF tests still show non-stationary, you may think of where this non-stationarity comes from. Is it from seasonality, or some outliers? If there is seasonality, you need make necessary seasonal adjustments. If it is because of outliers, you can replace those outliers with exponential smoothing estimates, which can be done by SAS JMP. After getting stationary series, then you can play from there.

如果不平稳的话，需要做平稳化处理，如差分

谢谢各位的耐心回复，大致明白了，应该是我的时间序列里面有部分的蕴含信息没有提取出来，还需进一步挖掘，我在探索一下，Tkanks各位!