ARIMA（R中的auto.ARIMA）预测高方差和大时间序列为0

我注意到在R中使用

auto.arima

时出现了一个问题，如果我输入一个具有大值和高方差的序列，预测结果只返回0。这是因为选择的超参数错误吗？例如，请参见下面的简单示例：

library(forecast)

my_time_series = c(
  234829874, 
  293481040534,
  4087598324,
  20394823094324,
  234832948234,
  2034982034,
  2304984,
  2039483029481,
  20349812044,
  2034982094814
)
forecast(auto.arima(my_time_series))

>>>
  Point Forecast         Lo 80        Hi 80         Lo 95        Hi 95
11              0 -8.348708e+12 8.348708e+12 -1.276825e+13 1.276825e+13
12              0 -8.348708e+12 8.348708e+12 -1.276825e+13 1.276825e+13
13              0 -8.348708e+12 8.348708e+12 -1.276825e+13 1.276825e+13
14              0 -8.348708e+12 8.348708e+12 -1.276825e+13 1.276825e+13
15              0 -8.348708e+12 8.348708e+12 -1.276825e+13 1.276825e+13
16              0 -8.348708e+12 8.348708e+12 -1.276825e+13 1.276825e+13
17              0 -8.348708e+12 8.348708e+12 -1.276825e+13 1.276825e+13
18              0 -8.348708e+12 8.348708e+12 -1.276825e+13 1.276825e+13
19              0 -8.348708e+12 8.348708e+12 -1.276825e+13 1.276825e+13
20              0 -8.348708e+12 8.348708e+12 -1.276825e+13 1.276825e+13

---

这是为什么？我该如何解决？例如，在这个虚构的时间序列中，我希望至少ARIMA基本上输出平均值，但我不明白为什么它预测0。

自动返回的最佳拟合模型。在您的例子中，ARIMA是具有零平均值的

ARIMA（0,0,0）。
auto.arima
函数考虑更复杂的模型，并将它们与AIC/BIC选择标准进行比较，我相信它确定了“最简单”的可能的arima模型。您的数据差异很大，有很多数量级。如果你对序列进行对数变换，你会得到一个非零均值的模型。如果你想深入，你可能会考虑转到SturalValueFrime:Actudio帮助，因为你的代码中没有bug。谢谢X-P贴：你应该使用<代码>预测（Auto.arima（MyTimeType系列，lambda＝0））< /C> >，它将记录数据。arima模型是针对平稳时间序列设计的。而你的不是。