重新思考时间序列中的非平稳性：基于确定性趋势的视角
应用统计
2025-11-26 v3
摘要
本文挑战了随机趋势模型的主导地位，通过引入季节-趋势-平稳ARMA (STSA) 框架，将单变量非平稳时间序列表示为围绕确定性趋势和季节性成分的平稳波动，允许趋势中存在有限个结构性中断。我们提出了使用动态编程算法和顺序预测区间程序分别估计中断位置和数量的方法，并概述了模型的指定与估计策略。对美国对中国大陆商品出口（2006-2025年）的实证分析表明，STSA模型准确识别了与重大经济事件相关的结构性中断，并提供了对 underlying 经济周期动力学的有意义分解。对月度M4竞赛数据的评估显示，STSA在预测包含突发结构性中断的序列时显著优于Prophet；虽然在整体准确性上通常不如ARIMA、ETS、TBATS和Theta等随机趋势模型，但在那些随机方法难以适应的场景下表现更佳。与传统时间序列模型不同，STSA提供了可解释的分解，揭示了序列演变背后的因果叙事，增强了对超验样本预测的可信度。
引用
@article{arxiv.2506.07987,
title = {Rethinking Nonstationarity in Time Series: A Deterministic Trend Perspective},
author = {Zhandos Abdikhadir and Terence Tai Leung Chong},
journal= {arXiv preprint arXiv:2506.07987},
year = {2025}
}