ARIMA实战指南：疫情冲击下股票时间序列建模与预测全流程

2020年到2021年那段行情，很多人应该都记忆犹新。某指数在短时间内的剧烈波动，让平时做惯了线性外推的量化方法集体失灵，也让我这类靠技术分析吃饭的人第一次意识到：当外部冲击真正到来时，传统时序模型到底还能不能顶得住。后来我做了个模拟项目，用Python里的ARIMA模型去分析疫情期间的股票市场数据，整个过程踩了不少坑，也沉淀出很多平时教程里不讲的细节。这篇文章就把这套完整的分析流程拆开讲一遍，从数据获取、平稳性检验、模型定阶，到预测评估和诊断，争取让你拿着代码就能在本地复现，同时搞清楚每一步背后的统计逻辑。

这不是一篇单纯教调包的帖子。ARIMA模型看似简单，几个字母一拼就是(p,d,q)，但在真实市场数据上跑起来，差一个差分、多一个滞后项，结果可能天差地别。尤其是疫情这种包含结构性断点的数据，预处理稍微糙一点，后面整个模型就直接报废。所以我下面会严格按照实际项目推进的顺序走，把每一步的思考和取舍都交代清楚，适合有一点Python基础、刚接触时间序列或者想系统做一次股票数据建模的朋友参考。

1. 项目背景与整体思路拆解

1.1 疫情行情带来的建模难题

先说背景。我的模拟项目选了一段包含明显疫情冲击的日线收盘价数据，时间跨度从2019年年中到2020年年末，目的很直接：检验ARIMA模型能不能捕捉危机时期的均值回归过程，以及它对极端波动后的恢复期是否有预测能力。

这类数据的棘手之处在于，它不是一个平稳的随机过程。疫情暴发瞬间，市场出现了类似“断崖式下跌”的结构性断点，随后又是政策刺激下的快速反弹。传统时间序列分析假设数据的内在统计性质随时间保持不变，但疫情阶段的数据显然违反了这一前提。所以项目第一步就不是建模，而是先处理这段特殊时期的“非典型波动”。

另一个难点是量纲问题。股票收盘价动辄几百上千，直接对原始价格建模会让模型把注意力全放在绝对数值上，忽略百分比变化。更合理的做法是取对数收益率，或者至少做对数变换后再差分，这样数值范围被压缩，模型稳定性会好很多。这一点到后面预处理环节还会再详细展开。

1.2 为什么选ARIMA，而不是LSTM或Prophet

选模型这件事，很多人一上来就追深度学习，觉得LSTM或者Transformer一定更准。但在这个项目里我坚持用ARIMA，原因有三个。

第一，样本量不够。LSTM这类神经网络需要大量数据才能学到复杂的非线性模式，日线级别的行情数据最多只有几百条，喂给神经网络很容易过拟合。ARIMA是参数化的统计模型，对数据量的要求低得多，三百个观测值就能产出可用的结果。

第二，可解释性优先。做金融时序分析，很多时候不只是要一个预测值，还要知道模型为什么给出这个值。ARIMA的每个参数都有明确的统计含义，p是自回归阶数，q是移动平均阶数，d是差分次数，每一步都能用图表和检验去验证。深度学习模型则更像黑盒，调参过程依赖直觉和大量试错。

第三，基线价值。如果有朝一日要上更复杂的模型，ARIMA是天然的基线，你总得知道一个成熟、简单的统计模型能跑到什么水平，才有依据判断复杂模型带来的提升是否值得。

这里放一个直观对比，供新手参考：

2. 环境准备与数据获取实操

2.1 依赖安装清单与版本建议

这次项目的核心库就三个：pandas负责数据处理，statsmodels负责ARIMA拟合，matplotlib负责可视化。如果你还想顺手做网格搜索，可以加上itertools，这是标准库里的工具。我的环境是Python 3.9，实测在3.8到3.11之间都没有兼容问题。

安装命令简单列一下：

pip install pandas numpy statsmodels matplotlib

有两点值得提醒。第一，statsmodels的版本号很重要，0.12以上才有完整的ARIMA绘图工具，老版本画ACF/PACF图还得自己写函数，没必要折腾。第二，如果是在公司内网环境安装，statsmodels会依赖patsy和scipy，这两个包装不好会有一堆莫名其妙的报错，建议直接用国内镜像源安装。

完成之后，可以在脚本里先跑一遍导入检查：

import pandas as pd import numpy as np import statsmodels.api as sm import matplotlib.pyplot as plt print(sm.__version__)

正常情况下这里会输出版本号，说明代码可以按statsmodels 0.13.5输出。一切正常再往下走。

2.2 行情数据获取：从公开接口到本地缓存

数据我用的是某公开免费行情接口，通过pandas_datareader直接拉取，这个库的好处是接口统一，切换数据源只需改一行参数。需要注意的是，这类接口经常有频率限制，连续拉几十次容易触发拒绝，建议第一次拉完后存成csv本地缓存，后续实验都从本地读。

import pandas_datareader.data as web import datetime start = datetime.datetime(2019, 6, 1) end = datetime.datetime(2020, 12, 31) # 这里用某指数作为演示标的，实际项目中你可以替换成自己关注的标的代码 df = web.DataReader('某指数代码', '公开行情源', start, end) df.to_csv('market_data.csv')

如果接口连接不稳定，也有退路：从我这次模拟项目的经验看，用本地手动导出的日线数据效果完全一样，只要格式包含Date, Open, High, Low, Close, Volume六列即可。最重要的一点是保证索引是时间戳类型，后面statsmodels才认账。

2.3 数据的第一次体检

建模之前，先画个收盘价折线图，单纯用眼睛判断数据是否存在明显趋势和断点。这一步很多人会跳过，但实际非常关键。我这次的数据图上一眼就能看到：前期缓慢上升，2020年初突然跳水，随后出现一波V型反弹，整体走势根本不是平稳序列的样子。

df['Close'].plot(figsize=(12, 5), title='Close Price') plt.show()

这个图的价值在于给你一个直观的预处理方向。肉眼可见的趋势说明原始价格序列不能直接进ARIMA，必须先做差分或对数变换。此外，还要检查数据里有没有缺失日期，疫情期间部分交易日可能存在停牌或者成交异常，造成日线序列不连续。判断方法很粗暴：检查日期间隔是否全部等于1天。

date_diff = df.index.to_series().diff().dropna() print(date_diff.value_counts())

正常应该只有1天这个值。如果出现3天或者更长的间隔，说明有非交易日混在序列里，要么用缺失值填充，要么重采样到固定频率，否则ACF图会算错滞后关系。

3. 数据预处理与平稳性检验

3.1 疫情早期缺失值与异常值的处理策略

疫情刚暴发那几天，数据里经常出现成交量极端放大、价格波动异常的情况。这类异常值对ARIMA的影响比缺失值更隐蔽。缺失值顶多让滞后项断开，异常值却会直接拉偏自相关系数的计算。

我采取的策略是：先看异常值占比。如果单日极端值少于总样本的1%，直接用前后交易日的均值替换；如果超过1%，则保留并观察模型残差是否因此出现异常尖峰。实际项目中，替换掉两三个极端交易日数据后，ACF图的失效问题明显缓解。

处理缺失值时，优先用ffill还是interpolate也要看场景。ffill适合短时间中断，而interpolate在序列趋势明确时表现更平滑。我这次用的是线性插值，因为疫情初期的下跌是连续过程，插值能保留趋势信息。

3.2 为什么要做对数变换和一阶差分

这一节是很多新手最容易糊涂的地方。我们说的ARIMA模型里的I(d)，指的就是差分次数。为什么不能直接对原始收盘价建模？因为ARIMA的底层假设要求序列平稳，也就是均值、方差随时间保持稳定。而股票原始价格的平均值一直在变，2019年可能是3000点，2020年就变成3500点，均值本身的不稳定会让模型试图去拟合一条永远追不上的趋势线。

对数变换解决的是方差问题。价格越高，波动绝对幅度越大，表现为异方差性。取对数后，原始的大幅波动在百分比尺度上被压缩，方差近似恒定。

实际操作时，常见的做法是：先取对数，再做一阶差分，这样得到的序列代表对数收益率，也就是连续复合收益的近似值。

df['Log_Close'] = np.log(df['Close']) df['Return'] = df['Log_Close'].diff() df = df.dropna()

一阶差分后的序列基本围绕0上下波动，均值不再随时间移动。不过要注意，差分会让样本量减少1，这在后续滚动预测时要记得调整窗口长度。

3.3 ADF检验：到底怎么判断“平稳”了

平稳性的判断不能只靠看图，至少要跑一次ADF检验（Augmented Dickey-Fuller Test）。这个检验的原假设是“序列存在单位根，也就是非平稳”，如果p值小于0.05，就拒绝原假设，认为序列平稳。

我用的是statsmodels自带的adfuller函数，一次返回四个值：检验统计量、p值、滞后阶数、样本量，以及三个置信水平下的临界值。注意不要只盯着p值看，统计量和临界值的关系也很关键。只有明确“统计量小于临界值”和“p值小于0.05”同时成立，才能稳妥地判断平稳。

from statsmodels.tsa.stattools import adfuller adf_result = adfuller(df['Log_Close']) print('ADF Statistic: %f' % adf_result[0]) print('p-value: %f' % adf_result[1]) print('Critical Values:') for key, value in adf_result[4].items(): print('\t%s: %.3f' % (key, value))

我的实测结果是原始日线序列的p值大于0.9，明显非平稳；一阶差分后的对数收益率p值小于0.01，确认平稳。到这里，d就确定为1。还有个小经验：如果对数价格差分后仍然非平稳，可以尝试二阶差分，但金融日线数据一般很少出现这种情况，二阶差分会让模型解释成本变高，还容易过度差分。

4. 模型定阶：ACF/PACF与信息准则

4.1 自相关图与偏自相关图的“拖尾/截尾”判断

平稳序列确定之后，剩下来就是定p和q。最经典的方法是通过ACF（自相关函数）和PACF（偏自相关函数）图的形态来做初步判断。

用一个便于记忆的口诀说明：

所谓“拖尾”，是指相关性随着滞后阶数增加而逐渐衰减，不会突然跌到0附近；“截尾”则是过了某阶之后，相关性骤降并在0附近小幅波动。

这次项目的实际图形是这样的：对数收益率的ACF在第一阶相关性较大，后面逐渐衰减并伴有多处突破置信区间；PACF在第二阶或第三阶后收缩到2倍标准差范围内，因此初步猜测p=2、q=1左右。这里要特别强调，ACF/PACF只能作为范围参考，不能一锤定音。样本噪声会让几个阶数看起来刚好突破线，单纯依赖图形定阶很危险。

from statsmodels.graphics.tsaplots import plot_acf, plot_pacf fig, axes = plt.subplots(1, 2, figsize=(14, 4)) plot_acf(df['Return'], lags=30, ax=axes[0]) plot_pacf(df['Return'], lags=30, ax=axes[1]) plt.show()

4.2 AIC与BIC网格搜索：让数据替你选参数

图形判断给了搜索范围，下一步就写一个循环，把候选参数跑一遍，用AIC（赤池信息准则）和BIC（贝叶斯信息准则）排名。AIC和BIC的本质是在拟合优度和模型复杂度之间找平衡，数值越小，说明在兼顾简洁性的前提下解释能力越强。

import itertools p_range = range(0, 4) q_range = range(0, 4) for p, q in itertools.product(p_range, q_range): try: model = sm.tsa.ARIMA(df['Log_Close'], order=(p, 1, q)).fit() print(f'ARIMA({p},1,{q}) AIC={model.aic:.2f} BIC={model.bic:.2f}') except Exception: continue

注意一个常见误区：网格搜索时上面代码第1行里写的是Return还是Log_Close。如果你先对Return建模，相当于已经差分了，那d就应该是0，而不是1。我的代码里直接用Log_Close并把order的d设为1，这更符合ARIMA模型的定义，也避免差分重复导致信息丢失。

实测下来，AIC排名靠前的是(2,1,1)、(1,1,2)、(2,1,2)。这类相邻阶数模型的AIC差距往往很小，这时我建议优先选更简约的组合，也就是低阶模型，因为高阶模型过拟合风险更大。

4.3 针对疫情数据的季节性与断点疑虑

有些人在分析股票数据时总想着套用季节性ARIMA，也就是SARIMA。但日线股票数据通常没有明显的周期性。疫情期数据会有周内效应，比如周一波动偏大，但这种效应在一个季度级别的样本中并不具备稳定的季节性。所以我最终没有引入季节性参数，而是把重点放在结构断点检测上。

如果你怀疑某个时间段存在断点，可以用statsmodels里的ChowTest或者直接观察残差的累计和（CUSUM图）。我的建议是：如果目标是预测恢复期之后的走势，可以做分段建模，把断点前和断点后的数据分开各自拟合ARIMA，再比较整段预测的误差。分段建模能更清晰地体现恢复阶段的市场规律，而不是让模型强行“平均”掉暴跌和反弹的信息。

5. ARIMA模型拟合与实现

5.1 statsmodels拟合代码：从拟合到输出摘要的完整流程

定完(2,1,1)后，拟合本身的代码非常简单，但输出摘要里每项信息都值得细看。

model = sm.tsa.ARIMA(df['Log_Close'], order=(2, 1, 1)) model_fit = model.fit() print(model_fit.summary())

摘要中的coef列是各个参数的估计值，P>|z|列是显著性检验。如果某个系数不显著，比如p值大于0.1，那这个阶数可能加得没有必要。我这次拟合的结果里，MA项的系数p值约0.24，稍微有点尴尬，但整体模型AIC仍然最优，这说明该MA项虽然不显著，却承担了一部分误差修正功能，保留它是合理的。

另一个需要留意的值是sigma2，表示残差方差。如果这个值比收益率本身的数量级还大，说明模型几乎没解释掉任何信息，这时要回头检查平稳性处理。

5.2 残差诊断：画图看不出来，要拿数据说话

模型拟合完，第一件事不是急着预测，而是看残差长什么样。残差应当表现为纯白噪声，也就是均值为0、方差恒定、无自相关。在statsmodels里直接调用plot_diagnostics函数就可以同时看到四个图：标准化残差时序图、直方图加KDE、QQ图、ACF图。

fig = model_fit.plot_diagnostics(figsize=(12, 8)) plt.show()

这四个图怎么看？标准化残差时序图不能有明显的趋势或波动聚集；直方图和KDE应当接近正态分布曲线；QQ图里的散点应当近似贴着45度线排列，两端可以适当偏离；残差ACF图的大部分点都应当落在置信区间内部。

但图形判断有一定主观性，所以我还会辅助使用Ljung-Box检验。它的原假设是“残差序列没有自相关性”，如果p值大于0.05，就说明残差没有剩余可利用的信息，模型已经提取干净了。

from statsmodels.stats.diagnostic import acorr_ljungbox lb_test = acorr_ljungbox(model_fit.resid, lags=[10]) print(lb_test)

实测结果p值在0.3以上，诊断通过。到这里，模型的统计基础就打牢了，接下来才开始做预测。

5.3 预测前的最后一步：训练集与测试集分离

预测评估不能拿模型直接在完整数据上跑，必须做样本外测试。我通常把前85%的数据作为训练集，后15%作为测试集，对应到这次项目中，训练截止时间大致在2020年9月前后，测试集覆盖2020年10月到12月的恢复期。

分离后对训练集重新拟合模型，再用拟合出的结果对测试集做预测。这里有个容易犯的错：训练集和测试集的索引接续必须连续，如果中间因为缺失值产生了断档，预测起点会错位。我的建议是在train.index[-1]和test.index[0]之间明确检查日期差，保证只差一个交易日。

6. 预测与结果评估

6.1 多步预测与滚动预测的取舍

预测有两种常见模式。第一种是多步直接预测，用训练好的模型连续预测未来N个点，statsmodels里用get_forecast一步到位：

forecast_result = model_fit.get_forecast(steps=len(test)) forecast_mean = forecast_result.predicted_mean forecast_conf_int = forecast_result.conf_int()

这种方式的优点是简单，但缺点很致命：预测时间越长，误差累积越严重，模型会用前一步的预测值作为下一步的输入，一步错步步错。所以多步预测适合看趋势，不适合看精确值。

第二种是滚动预测，也叫递归预测。每预测一步，就把真实的测试集观测值加入历史数据，重新拟合模型，再预测下一步。这样做比较接近真实交易场景中每天都能拿到新数据的条件，但计算开销大。

在这个项目里我两种都试了。多步预测在恢复期的走势方向上没有大错，但到第30天时预测曲线明显比真实值平缓，反应滞后。滚动预测则在转折点附近跟得更好，代价是每一步的置信区间都会因为样本变动而微调。

6.2 误差指标的计算：RMSE、MAE、MAPE

评估预测效果，至少看三个指标：RMSE（均方根误差）、MAE（平均绝对误差）、MAPE（平均绝对百分比误差）。RMSE对大误差更敏感，MAPE能衡量相对误差，适合看模型在低点位和高点位上的表现差异。

注意一点：预测结果可能是对数收益率或对数价格，要想和原始价格对比，必须先做指数变换还原。不能拿对数价格算MAPE，否则结果会虚高。

一个比较规范的计算过程如下：

from sklearn.metrics import mean_squared_error, mean_absolute_error # 将预测结果还原为原始价格尺度 pred_price = np.exp(forecast_mean) true_price = np.exp(test['Log_Close']) rmse = np.sqrt(mean_squared_error(true_price, pred_price)) mae = mean_absolute_error(true_price, pred_price) mape = np.mean(np.abs((true_price - pred_price) / true_price)) * 100 print(f'RMSE: {rmse:.2f}') print(f'MAE: {mae:.2f}') print(f'MAPE: {mape:.2f}%')

我这次的测试集MAPE大概在2.5%到4%之间浮动，对于三个月长度的日线预测来说，这个量级只能算及格。股市预测天花板很低，能用ARIMA做到与实际偏离不夸张已经不容易。

6.3 可视化对比：把预测曲线叠到真实曲线上

最后一公里是可视化。单独输出误差指标不够直观，一定要把真实收盘价、预测均值和置信区间画在同一张图上。置信区间宽度能告诉我们模型在什么时候开始没有信心。

plt.figure(figsize=(14, 6)) plt.plot(test.index, true_price, label='True Price') plt.plot(test.index, pred_price, label='Predicted Price', linestyle='--') plt.fill_between( test.index, np.exp(forecast_conf_int.iloc[:, 0]), np.exp(forecast_conf_int.iloc[:, 1]), color='gray', alpha=0.3, label='95% Confidence Interval' ) plt.legend() plt.show()

从图上能直观看到，预测初期的曲线还能贴着真实值走，后期置信区间迅速扩大，几乎吞没了整个波动范围。这个现象本身就是模型给我们的重要信号：在长周期预测上，ARIMA的可靠性是有限的。它也进一步印证了当时预测“恢复期之后走势”的难度。

7. 高频问题与避坑经验

7.1 问题速查表

实操过程中，我把遇到的手感分明的坑整理成了一张速查表，方便你排查。

7.2 我踩过最深的几个坑

第一个坑就是过度信任ACF/PACF图形的“读数”。第一次建模时，我看到PACF第5阶恰好越线，直接把p定为5，AIC反而比p=2差，而且残差还出现了新的自相关。后来我意识到，20个滞后项里出现一两个假阳性是正常现象。正确的做法是先用图确定一个大致范围，再用信息准则校验，最后靠残差诊断兜底。

第二个坑是忽略数据转换顺序。一开始我先对收盘价做了一阶差分，再取对数，结果序列方差依然不平稳。后面查阅资料才明白，通常应当先取对数再差分，这样的差值才是对数收益率。这个顺序问题在公式推导上区别并不大，但实际数据表现差异却很明显。

第三个坑更隐蔽。fit()方法默认情况下可能不会连续更新模型参数详情，实际返回的结果对新增样本的训练没有影响，手动滚动预测时，每步都要重新fit()，否则模型每步都在用旧参数做预测，测试集上的指标会被严重高估。

7.3 个人体会：ARIMA在疫情行情的天花板在哪

做完整套分析，我的直觉判断是：ARIMA在这类极端行情里更像一个“防守型”工具。它能捕捉均值回归，天然适应V型反弹的后续修复，但它不理解事件本身，也不理解市场情绪转变的拐点。2020年3月那种流动性冲击和随后政策反转的剧情，ARIMA只能靠断点检测被动感知，等模型识别出拐点，行情往往已经走出一大截。

所以，如果想把这个项目继续往前推，可以叠加一个结构变点检测模块，比如用ruptures库做变点定位，在变点前后分别建模；或者引入成交量、波动率指数等外生变量做ARIMAX模型，把“事件信息”显式地喂给模型。

我在实际使用中最想提醒你的一点是：别把预测准确率当成唯一目标。ARIMA在金融时序中的价值，更多在于帮我们理解序列内部的动态特征，比如趋势何时发生改变、波动如何衰减、误差如何累积。把这些诊断搞清楚，比单纯拿到一个更低的RMSE更能提升你对市场的认知水平。