MATLAB时间序列预测实战：从AR到ARIMA的完整之路

今天咱们聊聊用MATLAB玩时间序列预测的野路子。别被AR、ARIMA那些缩写吓到——说白了这就是一个拿历史数据找规律、猜未来的游戏。这篇文章没有高深理论的堆砌只有能直接跑起来的代码和我在实际项目里踩过的坑。不管你是刚接触MATLAB的新手还是已经在用Python调包的老手只要你想快速上手时间序列预测这篇都能让你少走弯路。我平时做数据分析手边最顺手的工具就是MATLAB时间序列这块摸了挺长时间发现网上教程要么太理论要么直接甩一堆工具箱函数不给解释。今天这篇我打算换个节奏不整复杂的数学推导就用“先跑通代码、再讲为什么”的方式把AR和ARIMA模型从定阶、拟合到预测完整走一遍。中间会插一些货真价实的报错调试记录都是我在命令行里被折磨出来的经验。1. 时间序列预测到底是干嘛的1.1 说白了就是找规律猜未来时间序列预测这个词听起来很高端但你把它拆开看就特别朴素。给你一组按时间排列的数据点比如过去365天的气温、过去100天的股价、过去24个月的销量然后让你根据这些历史值去推断明天的气温、后天的股价、下个月的销量这就是时间序列预测。它和普通的回归预测最大的区别在于普通回归看的是“X怎么影响Y”时间序列看的是“Y自己的过去怎么影响Y的现在和未来”。所以你会听到一个词叫“自回归”英文叫Autoregressive缩写就是AR。所谓自回归可以理解成“昨天的我”和“今天的我”之间的关系它是用自己过去的数据来回归自己现在的结果。很多初学者一上来就被“平稳性”“单位根”“协整”这些词劝退觉得这玩意儿非得是统计学博士才能碰。实际上你完全可以把这些概念先放到一边拿一份数据试着跑一遍看着预测曲线出来之后你自然就明白这些概念是干嘛用的了。这也是我这篇文章想带大家做的事先跑起来边跑边理解。1.2 AR和ARIMA到底在说什么AR模型的核心逻辑很直接你想预测今天的数据那你就看看昨天、前天、甚至前好几天的数据分别对今天有多大影响然后把它们加权求和。写成数学符号大概是这样的y(t) c φ1 * y(t-1) φ2 * y(t-2) ... φp * y(t-p) ε(t)这里的p是你回头看多少天的数据φ1到φp就是那些“影响权重”。如果只看昨天就是AR(1)看昨天和前天就是AR(2)看p天之前的数据就是AR(p)。ARIMA模型在AR的基础上多做了两件事。第一个是“差分”也就是用今天的值减昨天的值把本来不稳定的数据变得稳定一点。第二个是引入“MA”部分拿过去的预测误差来修正当前预测。它的完整名字是Autoregressive Integrated Moving Average即自回归积分滑动平均模型。你只要知道它是AR模型的升级版专门处理那些有明显趋势、不太“听话”的数据就行。1.3 为什么我一直用MATLAB干这个我知道现在一提时间序列预测好多人第一反应是Python的statsmodels或者Prophet甚至直接上LSTM。但就我自己这几年的体感来说MATLAB做时间序列预测有几个无法拒绝的优势。首先是矩阵运算和画图一体化数据导入之后plot一下、autocorr一下、parcorr一下全在一个窗口里就能完成不像Python需要来回切换各种库还要处理中文字体问题。其次是Econometrics Toolbox里现成的时间序列函数非常完整arima、estimate、forecast、adftest、aicbic这些函数封装得都很好对于一个不想抠底层原理、只求快速验证想法的场景来说效率高到离谱。另外MATLAB对新手特别友好的一点是变量实时可见。命令窗口敲一个命令工作区立刻显示结果数据长什么样、模型估计出了几个参数一清二楚。这种直观反馈对建立“模型直觉”非常有帮助。2. 准备数据和环境先别急着写模型2.1 检查工具箱踏实的开始第一个建议开始之前先确认你装的MATLAB里有Econometrics Toolbox也就是计量经济学工具箱。因为这个工具箱里有arima、estimate、forecast、adftest这些时间序列预测的核心函数。缺了这个工具箱下面的代码基本跑不动。怎么检查打开MATLAB命令行里敲一行ver(econ)如果返回一段版本信息说明工具箱已经装好了。如果提示未找到或者显示“无法使用此功能”那你就得先装或者激活这个工具箱。很多学校或公司的正版授权是包含全部工具箱的只是安装的时候没有勾选可以去MATLAB的“附加功能”里补装一下。还有一点要提醒的是不同版本的MATLAB对arima函数的行为有一点点差异尤其是显示方式和默认设置。我自己用的是R2021a下面演示的代码放在R2019a到R2023a之间应该都能跑新版R2026b也保留了这些核心函数不用担心兼容性。2.2 把数据倒进MATLAB数据导入这件事看着简单但80%的新手报错都出在这一步。MATLAB要求时间序列数据是一个列向量很多人从Excel复制出来的是行向量直接塞给模型就报“Input data must be a column vector”。我一般习惯用readtable函数读入数据它兼容xlsx、csv、txt等常见格式。假设你有一个销量数据文件sales.xlsx里面有日期和销量两列data readtable(sales.xlsx); y data.Sales; % 取出销量列 y y(~isnan(y)); % 去掉空值 y y(:); % 强制变成列向量强制转成列向量这个y y(:)是野路子里的野路子别嫌啰嗦这行能省掉后面一大堆烦人的维度报错。如果你要预测的目标列有缺失值要么用前面的值填充要么直接删除那几行千万别留着NaN继续跑很多模型函数碰到NaN会直接罢工。如果数据量比较大比如几万条你也可以直接用load命令读取mat格式的数据文件速度更快。总之记住一句话进模型的y必须是一列、没有缺口的数值。2.3 画图说话看数据长什么样拿到数据的第一步千万不要急着建模。先画图用眼睛看。plot(y) xlabel(时间) ylabel(数值) title(原始数据) grid on这一步能告诉你很多信息数据有没有整体上升或下降的趋势有没有明显的周期性波动波动幅度是均匀的还是越往后越大噪声大不大举个例子如果数据呈现一条明显的上升直线那说明均值在随时间变化这种序列拿AR模型直接拟合效果通常不怎么样因为AR模型假设数据围绕一个稳定水平波动。如果看到类似正弦波那样的重复形态说明存在季节性或周期性成分建模时要考虑差分或者周期长度。如果数据看起来乱糟糟的没啥明显规律也别灰心可能只是你还没找到合适的滞后阶数。每次做项目我都要反复强调这一步先画图再建模。图一旦看起来不对劲模型大概率也会不对劲这不是玄学是经验。2.4 平稳性AR模型的老家在哪现在到了很多人最头疼的概念——平稳性。我用一个特别生活化的说法来解释平稳序列就是那些围绕一个固定水平上下波动均值不飘、方差也不飘的数据。比如某城市每天的温度在全年看来是季节波动的但如果我们只看特定季节的一段它就是围绕某个温度水平波动的。为什么要关注平稳性因为AR模型的基本假设就是“规律是稳定的”昨天和今天的关系跟大前天和前天之间的关系应该是同一种规律。如果数据的均值一直在跑模型的系数就很难估计准预测也就无从谈起。有一个功能可以帮你量化判断序列是否平稳叫ADF检验全称是Augmented Dickey-Fuller检验。用法非常简单adftest(y)这条命令返回1表示数据平稳返回0表示不平稳。返回0的时候也别慌这正是后面要引入差分的理由。我在实践中最常见的情况是原始销量数据ADF检验返回0把数据做一阶差分之后再检验通常就变成1了。3. 先跑通AR模型定阶、拟合、预测一次到位3.1 用ACF/PACF图给AR模型定阶AR模型里那个p到底取几这是新手问得最多的问题。有一种土办法特别直观看自相关图ACF和偏自相关图PACF。ACF看的是当前值和过去各个滞后值之间的“总相关”PACF看的是剔除中间变量影响后的“净相关”。对于AR(p)模型图形上有个经典特征PACF图会在p阶之后突然截断掉进置信区间而ACF图会拖拖拉拉地衰减下去像一条慢慢变淡的尾巴。在MATLAB里画这两个图非常方便figure; subplot(2,1,1); autocorr(y); title(ACF); subplot(2,1,2); parcorr(y); title(PACF);画完之后你看PACF图找最后一个明显超出蓝色置信区间的柱子位置那个位置基本就是你想要的p。比如PACF在第2个柱子明显冒头、后面都缩回去了那可以考虑AR(2)。当然这个判断有一定主观性万一图比较模糊还有更偷懒的办法后面会讲AIC比较。3.2 关键代码用arima函数拟合AR(2)这里我用一组模拟数据来演示。我生成了一个AR(2)过程的数据意思是从第3个数据点开始当前值等于0.5乘以前面第1个值加上0.3乘以前面第2个值再加上随机噪声。给它加了一个10的均值水平模拟现实中围绕稳定水平波动的场景。数据分两部分前250个作为训练集后50个作为测试集用来检验预测效果rng(42); T 300; e 1.2 * randn(T,1); y zeros(T,1); for t 3:T y(t) 0.5*y(t-1) 0.3*y(t-2) e(t); end y 10 y; train y(1:250); test y(251:300);运行完这段之后你可以先画一下PACF理论上你会看到第2阶截断这正是AR(2)的表现。接下来就用工具箱的arima函数定义模型。注意这个函数虽然名字叫arima但你把后面两个参数设为0它就是一个纯AR模型mdl arima(2, 0, 0); % AR(2)模型 mdl estimate(mdl, train, Display, params);estimate会自动用最大似然估计法把系数算出来。运行之后会打印出常数项、AR系数和方差等估计结果。你会看到估计出来的AR1系数大约在0.5附近AR2系数大约在0.3附近跟生成数据的真实系数非常接近。这就是模型估计给你“找规律”的过程看起来确实就是这么一回事。如果想看模型内部的具体信息直接命令行输入mdl它会告诉你模型结构、系数值、标准误差等。一般来说标准误差越小说明这个估计值越可靠。3.3 手写最小二乘估AR参数彻底搞懂原理工具箱函数好用但如果你对AR模型的原理还停留在“会用但不懂”的状态我强烈建议你手写一次最小二乘估计。这个过程只需五行代码但对理解模型的帮助极大。AR(2)模型的意思是y(t) c φ1 * y(t-1) φ2 * y(t-2) ε(t)如果忽略常数项这其实就是一个线性回归把y(t-1)和y(t-2)当自变量把y(t)当因变量。所以可以直接用MATLAB左除符号\来算回归系数n length(train); X [train(2:n-1), train(1:n-2)]; % 两列滞后变量 yfit train(3:n); % 当前值 beta X \ yfit;这里X的第一列是y(t-1)对应第2到第n-1个观测第二列是y(t-2)对应第1到第n-2个观测yfit对应第3到第n个观测。如果你想把常数项也算进去就在X前面加一列全1X [ones(n-2,1), train(2:n-1), train(1:n-2)];算出来的beta里第一个是常数项后面两个是AR系数。拿这个结果跟estimate的估计值对比一下你会发现它们非常接近。这个过程做完你对“自回归”三个字会有一个完全不一样的体感。做完了估计还可以手写一个简单的多步预测循环pred zeros(10,1); last2 train(end-1:end); % 取最后两个观测值 for k 1:10 pred(k) beta(1) beta(2)*last2(2) beta(3)*last2(1); last2 [last2(2); pred(k)]; end每预测一步就把新预测值放进历史窗口然后继续预测下一步。这就是最原始的自回归预测方式。用过一次这个循环你就明白那些高大上的forecast函数内部其实也是这么回事。3.4 用forecast做预测并画置信区间工具箱自带的forecast函数比手写循环更方便输出也更多。比如我们要基于训练集预测后面50个值[Yhat, YMSE] forecast(mdl, 50, Y0, train);输出Yhat是预测值YMSE是每一步的预测方差。有了方差就可以画出95%的置信区间这对评估预测不确定性非常有用upper Yhat 1.96 * sqrt(YMSE); lower Yhat - 1.96 * sqrt(YMSE); figure; plot(test, k, LineWidth, 1.5); hold on; plot(Yhat, r--, LineWidth, 1.5); plot(upper, b:, LineWidth, 1); plot(lower, b:, LineWidth, 1); legend(真实值, 预测值, 95%置信区间);窄的置信区间说明模型比较自信宽的置信区间说明模型自己心里也没底。预测步数越长置信区间通常就越宽这很正常预测未来这件事本来就是越远越不确定。4. 数据不平稳就换ARIMA差分和拟合一次说清4.1 先做差分把数据拉回平稳现实中你拿到的数据很多都不是平稳的比如销量逐月增长、股价长期上行均值一直在变。这时候AR模型直接拟合效果往往很差。先做一个“差分”操作也就是计算每个点的变化量而不是原始数值。dy diff(y);这里的y是原始数据dy就是差分后的序列。注意diff算完数据长度会少1。做一阶差分之后如果序列已经围绕某个水平上下波动那就可以在这个差分数据上建AR模型。也可以继续做二阶差分比如一阶差分之后发现还有趋势那就再diff一次。不过在实际项目中绝大多数数据一阶差分就够用了差分次数太多会把原本的信息也差掉导致模型过度处理。判断差分之后是否变平稳还是那句话adftest(dy)返回1说明差分后的序列已经平稳可以进入建模阶段。这个流程我每天都在用基本就是“不平稳就差分差分完再检验还不行就再差分”非常机械但非常有效。4.2 ARIMA(p,d,q)完整拟合流程到了这一步ARIMA模型就可以登场了。ARIMA(p,d,q)里的三个字母分别对应p是自回归阶数d是差分次数q是移动平均阶数。我们刚刚把d定成了1p和q一般还是结合图像和数据特征来选。在MATLAB里定义ARIMA模型同样是用arima函数区别是中间的差分参数不为0。比如我们尝试一个ARIMA(2,1,1)模型含义是差分一次AR部分用2阶MA部分用1阶lags diff(y); % 差分后看定阶 figure; subplot(2,1,1); autocorr(lags); title(差分后ACF); subplot(2,1,2); parcorr(lags); title(差分后PACF); mdl2 arima(2, 1, 1); % ARIMA(2,1,1) mdl2 estimate(mdl2, train, Display, params);注意这里传给estimate的还是差分前的原始数据train不用你手动把差分结果喂进去arima函数会自动处理差分。这就是工具箱设计得好的地方你只要在定义模型的时候告诉它d1它内部就会自动先差分再估计。MA部分的作用是用过去的预测误差来修正当前预测。你可以把它理解为“自我纠错机制”。加了MA项之后模型对短期波动和冲击的适应能力通常更强这也是ARIMA比单纯AR模型更能打的主要原因之一。4.3 效果对比ARIMA比AR强在哪我跑完上面的模拟数据后顺手用AR(2)和ARIMA(2,1,1)分别对同一组带趋势的数据做预测对比相当直观AR模型的预测值很快就开始偏离真实曲线的走势因为它本质上默认数据会围绕某个均值波动而ARIMA模型因为做了一次差分相当于先识别出“整体上涨的趋势”在差分后的世界里预测变化量然后再把趋势加回去所以预测曲线能更贴住真实走势。当然ARIMA也不是万能的。如果数据里还有明显的季节性周期你可能需要在ARIMA的基础上加季节差分或者直接用SARIMA模型MATLAB的arima函数也支持季节部分的指定只是参数会多几个。这里放一句我常跟朋友说的话模型永远是为数据服务的不要因为ARIMA听起来高级就无脑用。你把带趋势的数据丢给AR模型然后把同一份数据丢给ARIMA模型两个结果并排放一起你自然就知道该用谁了。5. 评估预测效果心里要有杆秤5.1 三个常用的评估指标模型拟合完光看训练集上误差小不算本事关键要看在没见过的测试集上表现怎么样。我常用的三个指标是MSE、RMSE和MAPE。MSE是均方误差把误差平方后取平均惩罚大误差比较狠RMSE是它的开根号版本单位跟原始数据一致解释起来更直观MAPE是平均绝对百分比误差适合用来跟业务方汇报因为大家都能看懂“误差百分之多少”。在MATLAB里算这三个指标非常简单err Yhat - test; mse mean(err.^2); rmse sqrt(mse); mape mean(abs(err ./ test)) * 100;在同样的数据、同样的预测步长下RMSE越小说明模型整体预测越准MAPE越小说明相对偏差越小。我自己习惯三个都算全放在一张表里横向比较不同模型时一眼就能看出高下。5.2 训练集测试集划分的潜规则时间序列的划分和普通机器学习不一样绝对不能随机打乱必须按时间顺序切。原因很简单时间序列的过去到未来是有方向的你用未来的数据去训练模型再拿过去的“未来”去检验那就是开了天眼的作弊行为。常见的做法是留出后面约20%到30%作为测试集前面大部分作为训练集。如果数据里有明显的季节周期最好保证训练集和测试集都覆盖完整的周期不然模型可能只学到了季节的一部分。还有一点我在实战中踩过同一份数据如果反复拿来调参、选模型那你其实已经通过测试集反馈了一些信息最后得到的评估结果会偏乐观。所以涉及到正式汇报的时候最好把数据切成三段训练集用来拟合参数验证集用来选模型测试集最后碰一次。5.3 AIC和BIC帮你选模型ACF/PACF图看了半天还是不确定p和q怎么办用AIC和BIC。它们是模型选择界的评分系统在拟合效果和模型复杂度之间做平衡。简单说就是模型拟合得越好分越低模型参数越多分越高最后取总分最低的模型。MATLAB里用完估计后可以直接算出AIC和BIC[estMdl, ~, logL] estimate(mdl, train, Display, off); [~, aic, bic] aicbic(logL, pq2, numel(train));那个pq2是我野路子使用的参数个数估算方式对应AR项数、MA项数、常数项和方差项。你不用抠得太死关键看相对大小。我一般会从AR(1)开始到AR(3)再到ARIMA(1,1,1)、ARIMA(2,1,1)每个模型都算一下AIC和BIC挑数值最低的那个。这招比眼睛看图靠谱尤其是当数据不那么“标准”的时候。它也是我平时最常用的定阶方式。5.4 残差检验模型有没有榨干净模型选完了预测也做了最后一步一定要看残差。残差就是真实值和模型拟合值之间的差距。如果模型把数据里的规律都提取干净了残差应该表现得像白噪声也就是没什么自相关性随机散布。在MATLAB里可以这样检查res infer(estMdl, train); figure; subplot(2,1,1); autocorr(res); title(残差ACF); subplot(2,1,2); qqplot(res); title(残差QQ图);如果残差ACF图里大多数柱子都在置信区间内没有明显的周期性或趋势性说明模型基本够用。如果残差还有明显的自相关尤其是低阶滞后那里冒出好几根柱子说明模型没吃完数据里的信息你需要增加阶数或者考虑加MA项、季节项。QQ图则用来检查残差是否接近正态分布。虽然不完全正态分布也不致命但如果偏离太厉害说明噪声结构可能不是模型假设的那样需要多留个心眼。6. 常见报错和野路子心得6.1 我踩过的几个坑第一个坑就是维度问题。报错一般是“Input data must be a column vector.”这种情况十有八九是矩阵转置没转好用y y(:)直接解决。别笑这个问题我见过无数人问包括我自己刚入坑时也栽过。第二个坑是arima函数未定义。你明明记得自己装了工具箱结果一调用就报Undefined function。检查方式就是前面提到的ver(econ)确认没装的话就去补装同时看看是不是许可证里没勾选Econometrics Toolbox。有时候MATLAB本体装了但许可证只买了部分工具箱也会导致这个报错。第三个坑是数据里带NaN或者Inf。时间序列数据经常在录入时出现空行readtable读进来就变成了NaN。不清理的话estimate函数跑一半就报错或者估计出一些离谱的参数。用isnan和isinf先过滤一遍是最稳妥的。第四个坑比较隐蔽是预测步数过长导致预测发散。比如你用AR(2)预测后面200个点结果曲线飞上天或者掉入深渊这通常是模型参数估计不稳或者数据本身不适合这么长远的预测。解决办法是把预测长度缩短到你能接受的范围内比如5步、10步别一上来就贪多。6.2 几点野路子经验做时间序列预测这几年我形成了一套自己的土办法写出来给大家参考。第一条任何数据都先试AR(1)哪怕你觉得模型太简单它都是判断后续模型有没有提升空间的基准线。第二个定阶别死磕ACF/PACF图跑几个候选模型的AIC谁低选谁省时省力。第三预测结果要拿到真实场景里验证模拟数据跑得再好也不如一次真实业务预测给你的信息量大。我个人还有一个习惯就是遇到复杂问题先不急着上高级模型。很多人一听说要预测就想到LSTM、深度学习其实包括我自己测试过的一些案例里ARIMA在短中期预测上的表现完全不落LSTM下风而且可解释性强、训练成本低、调参不玄学。先用手里的简单模型把手头的事情跑通再考虑要不要叠Buff这才是效率最高的路径。还有一点是关于数据质量的很多时候模型效果差不是模型的问题是数据没洗干净。缺失值、异常值、量纲不统一、时间间隔不均这些问题才是预测翻车的最常见原因。把数据收拾整齐了哪怕用最简单的AR模型也能给你出个过得去的预测。