ARIMA 模型解决什么问题及其原理
哪些公司问过
答案要点
- ARIMA(p,d,q):AR 用过去 p 个值,I 做 d 阶差分,MA 用过去 q 个误差
- 前提是差分后平稳,用 ADF 检验判断平稳性
- 用 ACF、PACF 初步定阶,再用 AIC 或 BIC 选模型
- 残差需检验是否为白噪声,如 Ljung-Box;季节性用 SARIMA
- 局限:线性、依赖自身历史,难处理非线性与外部特征,长期预测误差大
易错点
- 不检验平稳性就直接建模
- 差分阶数过高导致过差分,引入额外噪声
- 拟合后不检验残差,残差仍有自相关说明模型不充分
面试官常见追问
- 除 ARIMA 外还接触过哪些时序预测模型?
- 为什么要求序列平稳?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。