Python ARIMA 模型，预测值发生偏移

Question

我是 Python ARIMA 实现的新手。我有几个月的数据，频率为 15 分钟。在我尝试遵循 Box-Jenkins 方法来拟合时间序列模型时。我在最后遇到了一个问题。给出了时间序列 (ts) 和差异序列 (ts_diff)的ACF-PACF 图。我使用了 ARIMA (5,1,2)，最后我绘制了拟合值（绿色）和原始值（蓝色）。从图中可以看出，值有明显的变化（一个）。我究竟做错了什么？

预测不好吗？任何见解都会有所帮助。

Answer 1

这是一步预测或预测的标准属性。

用于预测的信息是截至并包括前一时期的历史记录。例如，某个时段的峰值会影响下一个时段的预测，但不会影响高峰时段的预测。这使得预测在图中显得发生了变化。

提前两步的预测会给人一种转变两个周期的印象。