时间序列基础：特性、预处理与评估框架

时间序列预测作为连接历史与未来的桥梁，在金融风控、能源调度、医疗监测、零售需求规划等领域扮演着核心角色。然而，要构建准确可靠的预测模型，首先必须深入理解时间序列的内在特性，并掌握一套系统的预处理与评估方法。本章将系统阐述时间序列的基础属性——趋势、季节性、周期性与噪声的统计定义与检测技术；详细讲解数据预处理流程，包括缺失值插值、异常值检测与平稳性转换；介绍时间序列交叉验证策略，如滚动窗口与扩展窗口；全面覆盖评估指标体系，从点预测精度（MSE、MAE、MAPE、sMAPE、MASE）到区间预测（PI覆盖率、PINAW）及概率预测（CRPS、对数分数）。最终强调，评估指标的选择必须与应用场景的决策目标深度对齐，为后续统计范式与深度学习范式的融合奠定坚实基石。

时间序列的基本属性

时间序列数据是按时间顺序排列的观测值集合，其内在结构通常由趋势（Trend）、季节性（Seasonality）、周期性（Cyclicity）与噪声（Noise）四种成分叠加而成。准确识别这些成分是选择合适模型与预处理方法的前提。本节将逐一解析其统计定义、检测方法与典型示例。

趋势

趋势反映序列在长期内的系统性上升或下降方向，可能为线性、多项式或更复杂的函数形式。趋势的存在往往导致序列非平稳，即其统计特性（如均值、方差）随时间变化。

检测方法：

• **移动平均（Moving Average）**：通过计算滑动窗口内的均值平滑短期波动，揭示长期趋势。窗口大小的选择至关重要，过小无法有效平滑噪声，过大会滞后趋势变化。例如，对月度零售数据采用12期移动平均可消除季节性，凸显年度趋势。
• **局部回归（LOESS）**：通过加权最小二乘拟合局部多项式，对趋势进行非参数估计。其优势在于适应非线性趋势，但计算成本较高。
• **HP滤波（Hodrick-Prescott Filter）**：将序列分解为趋势成分$g_t$与周期成分$c_t$，通过最小化以下目标函数实现：

$$\sum_{t=1}^{T}(y_t - g_t)^2 + \lambda \sum_{t=2}^{T-1}((g_{t+1} - g_t) - (g_t - g_{t-1}))^2$$ 其中$\lambda$为平滑参数，年度数据常取$\lambda=1600$。HP滤波对端点敏感，且可能引入人为波动。

示例：考虑某国1970-2020年实际GDP季度序列（经季节性调整）。应用HP滤波（$\lambda=1600$）后，趋势成分显示长期上升轨迹，而周期成分捕捉经济周期波动。若趋势成分呈现指数增长，则需先取对数再进行分解。

季节性

季节性指序列在固定周期内（如日、周、月、季）重复出现的规律性波动。其周期$s$必须是已知或可推断的整数（如月度数据$s=12$，季度数据$s=4$）。

检测方法：

• **自相关函数（ACF）**：在滞后$k \cdot s$（$k=1,2,...$）处出现显著峰值，是季节性的典型标志。例如，月度数据在滞后12、24、36处ACF值显著高于置信区间，表明年季节性。
• **周期图（Periodogram）**：基于傅里叶变换估计频谱功率，在频率$f=1/s$处出现峰值指示季节性。周期图对窗口选择敏感，常结合窗函数平滑。
• **季节性分解（STL）**：通过局部回归迭代分解趋势、季节性与残差。STL对季节性周期变化（如节日效应强度逐年改变）具有鲁棒性，且允许用户控制季节成分的平滑程度。

示例：某电商平台2019-2021年月度销售额序列。绘制ACF图可见滞后12、24处显著正自相关（超过95%置信带）。STL分解显示季节成分每年11-12月（双十一、圣诞节）出现峰值，且峰值高度逐年递增，表明季节性强度非恒定。

周期性

周期性指序列围绕长期趋势呈现的不规则波动，其周期长度不固定且通常长于季节性（如经济周期约3-10年）。与季节性不同，周期性无固定频率，需通过谱分析或模型识别。

检测方法：

• **谱密度估计**：使用傅里叶变换或自回归模型估计频谱，在非整数频率处出现峰值可能指示周期性。例如，经济数据在频率$f \approx 0.1$（周期约10年）处功率谱升高。
• **带通滤波（Bandpass Filter）**：设计滤波器提取特定周期范围（如2-8年）的成分，观察其与原始序列的相关性。
• **模型诊断**：拟合ARIMA或状态空间模型后，若残差ACF在非季节性滞后（如滞后20-40）仍显著，可能暗示未捕捉的周期性。

关键区分：季节性有固定周期且与日历相关；周期性无固定周期，常由经济、社会等复杂系统驱动。实践中，两者可能共存，如零售数据同时具有年季节性（固定12个月）与经济周期影响（不规则）。

噪声

噪声是序列中无法由趋势、季节性、周期性解释的随机波动，理想情况下应近似白噪声（零均值、同方差、无自相关）。噪声特性影响预测区间宽度与模型复杂度。

检验方法：

• **Ljung-Box检验**：检验残差序列是否存在自相关。原假设为“前$h$阶自相关系数均为零”。统计量：

$$Q = T(T+2)\sum_{k=1}^{h}\frac{\hat{\rho}_k^2}{T-k}$$ 其中$T$为样本量，$\hat{\rho}_k$为滞后$k$的样本自相关系数。若$p$值小于显著性水平（如0.05），拒绝白噪声假设，表明模型未充分提取信息。

• ** ARCH检验**：检测条件异方差（波动聚集）。若残差平方存在自相关，需考虑GARCH类模型。
• **正态性检验**：如Shapiro-Wilk检验或Q-Q图，评估残差是否服从正态分布，这对基于正态假设的预测区间至关重要。

示例：拟合ARIMA模型后，对残差进行Ljung-Box检验（$h=20$）。若$p=0.03$，表明残差仍含自相关，需增加模型阶数或考虑外生变量。同时，绘制残差平方图若呈现“簇状”波动，则需引入GARCH项。

数据预处理技术

原始时间序列常包含缺失值、异常值及非平稳性，直接影响模型训练与预测性能。预处理旨在提升数据质量，使序列满足模型假设。

缺失值插值

缺失值可能源于传感器故障、记录错误或传输问题。时间序列插值需尊重时序结构，避免破坏前后依赖。

常用方法：

• **线性插值**：假设相邻观测间线性变化，适用于高频数据（如分钟级）且缺失间隔短。公式：$y_t = y_{t_1} + \frac{t - t_1}{t_2 - t_1}(y_{t_2} - y_{t_1})$，其中$t_1, t_2$为缺失段前后最近观测。
• **季节性插值**：对具有强季节性的序列，用同年同季（月）的历史均值填充。例如，填补12月缺失值时，使用过去3年12月的平均值。此方法保留季节模式，但忽略趋势变化。
• **前向/后向填充**：用最近或下一个有效观测填充，适用于实时流数据，但可能引入偏差。
• **模型插值**：用ARIMA、状态空间模型或局部回归预测缺失值。精度高但计算复杂，适用于缺失比例大或模式复杂的情况。

选择策略：缺失比例<5%时，线性或季节性插值通常足够；缺失比例高或缺失段长，建议使用模型插值。需注意，插值后序列的自相关结构可能被扭曲，建议在插值后重新检验平稳性。

实践案例：某气象站 hourly 温度序列缺失率约3%。由于温度具有日季节性（周期24小时），采用“季节性线性插值”：先按小时分组，在每组内进行线性插值。相比全局线性插值，该方法在夏季序列中RMSE降低12%。

异常值检测

异常值可能由设备故障、极端事件或数据录入错误导致，若不加处理会扭曲模型参数估计。

检测方法：

• **基于统计的方法**：
• **3σ原则**：假设序列近似正态分布，将偏离均值超过3倍标准差的值标记为异常。但对重尾分布或非平稳序列效果差。
• **IQR（四分位距）**：定义异常为小于$Q1 - 1.5 \times IQR$或大于$Q3 + 1.5 \times IQR$的值，对偏态分布更稳健。
• **时间序列特定统计量**：如基于STL分解，将残差超过$3 \times \sigma_{residual}$的点视为异常，此方法同时考虑趋势与季节性。
• **基于聚类的方法**：
• **DBSCAN**：在特征空间（如$[y_t, y_{t-1}, y_{t+1}]$）中聚类，将低密度点标记为异常。需调整邻域半径$\epsilon$与最小样本数$minPts$。
• **Isolation Forest**：通过随机划分特征空间隔离异常点，适用于高维，但可能忽略时序连续性。
• **基于预测的方法**：拟合简单模型（如ARIMA、指数平滑），计算预测误差，将误差超过阈值（如$3 \times \sigma_{error}$）的点视为异常。此方法自适应序列动态，但依赖模型选择。

处理策略：确认异常后，可选择删除、插值或作为特殊事件建模（如加入虚拟变量）。金融高频数据中，异常可能蕴含真实信息（如闪崩），需谨慎处理。

示例：某工业设备传感器振动序列，存在若干尖峰。先通过STL分解提取去趋势去季节性的残差序列，再应用IQR检测，标记出5个异常点。检查日志发现其中3个对应维护事件，保留并添加维护指示变量；其余2个疑似故障，用季节性插值替换。

平稳性转换

平稳性要求序列的均值、方差及自相关结构不随时间变化。大多数经典模型（如ARIMA）及深度学习模型的损失函数优化均依赖平稳性假设。非平稳序列需通过转换实现平稳。

平稳性检验：

• **ADF检验（Augmented Dickey-Fuller）**：原假设为序列非平稳（存在单位根）。检验统计量越负，越拒绝原假设。需选择滞后阶数（如AIC准则）并考虑是否包含常数项与趋势项。
• **KPSS检验**：原假设为序列平稳，与ADF互补。实践中常同时使用两者：若ADF拒绝原假设且KPSS不拒绝，则支持平稳。

转换方法：

• **差分（Differencing）**：一阶差分$\nabla y_t = y_t - y_{t-1}$可去除线性趋势；季节性差分$\nabla_s y_t = y_t - y_{t-s}$可去除季节性。过度差分会引入不必要的自相关，需通过ACF/PACF判断差分阶数$d$与季节性差分阶数$D$。
• **对数变换**：当序列方差随均值增大（异方差）时，取对数可稳定方差。例如，销售额序列常呈指数增长，取对数后趋势更线性。
• **Box-Cox变换**：广义幂变换，统一对数与平方根变换：

$$y_t^{(\lambda)} = \begin{cases} \frac{y_t^\lambda - 1}{\lambda} & \text{if } \lambda \neq 0 \\ \log(y_t) & \text{if } \lambda = 0 \end{cases}$$ 通过最大似然估计选择$\lambda$，使变换后序列最接近正态且方差稳定。要求$y_t > 0$，否则需加常数平移。

组合策略：实践中常组合使用。例如，对指数增长且具季节性的序列，先取对数稳定方差，再进行一阶与季节性差分去除趋势与季节性，最后检验ADF确认平稳。

示例：某全球零售销售额月度序列（$T=120$）。原始序列ADF检验$p=0.21$（不平稳），且方差随均值上升。进行Box-Cox变换（$\hat{\lambda}=0.3$），再一阶差分与季节性差分（$s=12$）后，ADF检验$p<0.01$，KPSS检验$p=0.15$，接受平稳。ACF显示仅在滞后12处显著，表明季节性已去除。

时间序列交叉验证策略

时间序列的时间依赖性禁止随机划分训练集与测试集，否则会导致数据泄露（未来信息泄露到训练集）。必须采用按时间顺序划分的交叉验证策略。

滚动窗口（Rollating Window）

固定训练窗口大小$w$，测试窗口大小$h$，窗口随时间向前滚动。每次迭代，训练集为$[t, t+w-1]$，测试集为$[t+w, t+w+h-1]$，然后$t$增加$s$（步长，常等于$h$或1）。

特点：

• 训练样本量固定，模拟实时预测场景（模型基于最近$w$期数据预测未来$h$期）。
• 对近期动态更敏感，但早期样本利用率低。
• 适用于概念漂移（模型参数随时间变化）的场景。

示意图： ```mermaid graph LR subgraph 时间轴 T1[t=1] --> T2 --> T3 --> T4 --> T5 --> T6 --> T7 end A[训练: 1~w] --> B[测试: w+1~w+h] C[训练: 1+s~w+s] --> D[测试: w+s+1~w+s+h] E[训练: 1+2s~w+2s] --> F[测试: w+2s+1~w+2s+h] style A fill:#e1f5fe style C fill:#e1f5fe style E fill:#e1f5fe style B fill:#f3e5f5 style D fill:#f3e5f5 style F fill:#f3e5f5 ``` *注：蓝色为训练集，紫色为测试集；$s$为步长。*

扩展窗口（Expanding Window）

训练窗口随时间逐步扩大，测试窗口固定或滑动。初始训练集为$[1, w]$，测试集为$[w+1, w+h]$；下一轮训练集扩展为$[1, w+s]$，测试集为$[w+s+1, w+s+h]$，依此类推。

特点：

• 训练样本量增加，充分利用历史数据，适合数据生成过程稳定的场景。
• 对早期异常值更敏感，且计算成本随迭代增加。
• 评估指标对历史数据依赖性强，可能高估早期预测性能。

对比选择：

• 若数据生成过程存在结构性变化（如政策改革、市场结构突变），滚动窗口更优，因其聚焦近期模式。
• 若历史数据宝贵且过程稳定，扩展窗口可提升估计精度。
• 实践中常结合两者：如初始若干轮用扩展窗口，后转滚动窗口。

评估指标计算：交叉验证产生多组预测值$\hat{y}_{t,i}$与实际值$y_{t,i}$，将所有迭代的预测误差合并计算最终指标，避免单次划分的随机性。

时间序列自助法（Time Series Bootstrap）

为估计预测区间，可对残差进行自助采样（如块自助法Block Bootstrap）， preserving 残差的自相关结构。生成多个残差序列，加到拟合值上，得到多个未来路径，进而计算预测分布。

示例：对某电力负荷序列（小时级）采用滚动窗口CV，训练窗口$w=30$天，测试窗口$h=24$

时间序列交叉验证策略（续）

滑动窗口原点与多步预测评估

在实际应用中，预测步长 $h$ 可能大于1（多步预测），且需要评估整个预测区间的性能。滑动窗口原点（Rolling Window Origin）是解决此问题的关键概念：对于每个测试起点 $t$，我们生成从 $t+1$ 到 $t+h$ 的 $h$ 步预测，并与实际值比较。评估时需区分：

1. 迭代预测（Iterated Forecast）：使用单步模型递归预测多步，误差随步长累积。 2. 直接多步预测（Direct Multi-step Forecast）：为每个预测步长 $h$ 训练独立模型，避免误差累积。

交叉验证设计需与预测策略对齐。例如，若采用直接多步预测，则每个测试窗口应产生 $h$ 个独立预测值，分别对应不同模型。评估时，可计算所有步长的平均误差（如平均MASE），或分析误差随步长的变化趋势。

实践考量：高频数据（如分钟级）中，$h$ 可能达数百步，计算成本高。可采用时间序列交叉验证的近似变体，如固定原点滚动（Fixed Origin Rolling）：仅使用最近 $N$ 个窗口的预测误差计算指标，牺牲部分稳定性以提升效率。研究表明，当序列自相关性强时，需更多窗口才能获得稳定评估。

留一法时间序列交叉验证（LOOCV for Time Series）

当数据量极有限时，可采用滚动原点留一法：每次仅预测一个点（$h=1$），训练窗口从起点滚动至终点。例如，序列长度 $T=100$，初始训练窗口 $w=50$，则进行 $T-w=50$ 次迭代，每次预测下一个点。此方法最大化利用数据，但计算量大，且对早期窗口的评估可能因训练样本少而高方差。

适用场景：小样本研究（如仅数十期的宏观经济指标），或需要精确评估每个时间点预测性能的场景（如金融风险价值VaR回测）。

评估指标体系详解

评估指标的选择直接反映预测目标与业务需求。本节系统梳理点预测、区间预测与概率预测的核心指标，并深入讨论其统计性质与应用场景。

点预测精度指标

点预测输出单一数值 $\hat{y}_t$，评估其与实际值 $y_t$ 的接近程度。

1. 均方误差（MSE）与均方根误差（RMSE）

$$\text{MSE} = \frac{1}{n}\sum_{i=1}^{n}(y_i - \hat{y}_i)^2, \quad \text{RMSE} = \sqrt{\text{MSE}}$$

MSE对大误差敏感（平方放大），适合误差代价非线性的场景（如电力负荷预测中，大幅低估的代价远高于高估）。RMSE与原始数据同量纲，更易解释。但两者均受量纲影响，跨序列比较需谨慎。

统计性质：MSE是$\hat{y}$的二次函数，最小化MSE等价于最小化预测误差的方差，但可能受偏差影响。若模型有偏，需结合MAE综合判断。

2. 平均绝对误差（MAE）

$$\text{MAE} = \frac{1}{n}\sum_{i=1}^{n}|y_i - \hat{y}_i|$$

MAE对异常值稳健，解释直观（平均绝对偏差）。最小化MAE等价于最小化误差的中位数，对重尾分布更鲁棒。但MAE未区分高估与低估，业务中可能需区别对待（如库存管理，缺货损失高于过剩）。

3. 平均绝对百分比误差（MAPE）与对称MAPE（sMAPE）

$$\text{MAPE} = \frac{100\%}{n}\sum_{i=1}^{n}\left|\frac{y_i - \hat{y}_i}{y_i}\right|, \quad \text{sMAPE} = \frac{100\%}{n}\sum_{i=1}^{n}\frac{|y_i - \hat{y}_i|}{(|y_i|+|\hat{y}_i|)/2}$$

MAPE因分母为实际值，对接近零的值敏感（分母小导致误差爆炸），且不对称（高估