企业官网建设流程全解析

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1：

X = [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1，p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d=1，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, p+q+2, numel(train));

那个p+q+2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。