Python ARIMA和SARIMAX很好地预测了数据，但预测的结果是直接/一致的

我有12天的时间序列数据，间隔为5分钟，我试图用ARIMA、SARIMAX、AUTO ARIMA预测未来值

我是时间序列新手，我遵循了基于Kaggle/Github教程的大部分过程，但当我对数据进行同样的操作时，值会一致地出现

我尝试了不同的订单，季节性订单，但没有得到所需的结果，也无法找出哪里出了问题

任何帮助和建议都将不胜感激

ARIMA、SARIMAX和AUTO-ARIMA，所有模型都给出了非常高的AIC值，即[70000-150000]

代码如下：

from statsmodels.tsa.arima_model import ARIMA

model = ARIMA(data, order=(1,0,1))
model_fit = model.fit(disp=0)
print(model_fit.summary())



import statsmodels.api as sm


mod = sm.tsa.statespace.SARIMAX(data,
                                order=(1,0,0),
                                seasonal_order=(1, 1, 1, 24),
                                enforce_stationarity=False,
                                enforce_invertibility=False)

results = mod.fit()

print(results.summary().tables[1])

数据是平稳的[通过ADF测试确认]，趋势是一致的[非直线（freq=7）]，因此我将d值保持为0

---

我尝试了不同的p、q和m值。

什么是p、d、q和m？p=AR fatcor，q=MA factor，d=difference，m=季节性ARIMA模型的间隔，我的历史数据是否会影响模型？我有5分钟间隔的12天数据，总共约3700条记录！我们不能根据12天的数据预测值吗？