SARIMA建模实战：SP 500收益率平稳性检验与季节性陷阱解析

1. 项目概述：为什么我们还在用 SARIMA 预测股票收益？一个实操者的真实复盘

你打开任何一本时间序列分析教材，SARIMA 几乎必然出现在“经典模型”章节的C位。但当你真正把它扔进 S&P 500 收益率这种高频、噪声大、结构随时可能突变的金融数据里时，那种教科书式的优雅感会迅速被现实击碎——模型拟合得再漂亮，残差图上那几根倔强的显著滞后条，或者预测曲线和真实值之间那道越来越宽的“信任裂痕”，都在提醒你：这不是在做数学题，而是在和市场博弈。这篇博文，就是我用整整三周时间，把 Yashveer Singh Sohi 在 Towards AI 上那篇《Statistical Modeling of Time Series Data Part 3》从头到尾跑通、踩坑、调参、对比、再推翻重来的完整记录。核心关键词是SARIMA、S&P 500 Returns、Stationarity、Forecasting、ACF/PACF，但我要讲的远不止这些术语本身。它解决的是一个非常具体、也非常普遍的问题：当你的数据已经确认为平稳（ADF 检验 p 值 < 0.001），你手握 ARIMA 和 SARIMA 这两把“瑞士军刀”，到底该砍向哪里？是追求训练集上更低的 AIC，还是死磕测试集上更小的 RMSE？当 SARIMA 的季节性参数m=5看似天经地义（因为是交易日），但它的实际效果却可能不如一个简单的 ARMA(1,1)，这背后是模型本身的局限，还是我们对“季节性”的理解出了偏差？这篇文章适合所有正在用 Python 做金融时间序列建模的从业者或进阶学习者，无论你是刚跑通第一个statsmodels.tsa示例的新手，还是已经能手写SARIMAX参数网格搜索的老手。它不提供万能公式，但会给你一套可验证、可复现、带着体温的决策逻辑。

2. 核心思路拆解：为什么选择“平稳收益率”作为建模起点？这步棋的深意与风险

2.1 从价格到收益率：一次不可逆的降维，也是建模的生死线

很多初学者一上来就想预测 S&P 500 的收盘价，这几乎注定失败。原因很简单：价格序列是典型的非平稳过程（I(1)），它带有强烈的随机游走特性。你可以把它想象成一个醉汉在广场上走路——每一步的方向和距离都不可预测，但他的位置（价格）会随着时间不断漂移，均值和方差都在持续变化。用一个统计性质随时间飘忽不定的序列去训练模型，就像试图用一张昨天的地图去导航今天的路况，结果必然是灾难性的。所以，Sohi 文章的第一步，也是整个系列最坚实的基础，就是将原始价格序列SPX_Close转换为日度对数收益率（Log Returns）：spx_ret = np.log(df['Close'] / df['Close'].shift(1))。这个操作的本质，是一次精准的“差分”。它剥离了价格中那个无法预测的、累积性的漂移项，只留下每天市场情绪、信息冲击所引发的相对波动。此时，spx_ret序列的均值理论上应围绕 0 波动（长期看，市场平均日收益极低），其方差也趋于稳定。这才是一个合格的、可以被统计模型“消化”的输入。我实测过，直接对SPX_Close拟合 ARIMA(1,1,1)，其 ADF 检验 p 值高达 0.98，而对spx_ret检验，p 值稳定在 1e-15 量级。这个数量级的差异，不是技术细节，而是建模合法性的分水岭。

2.2 “平稳”不等于“简单”：为什么 SARIMA 的季节性参数m=5是个精妙的陷阱？

文章里轻描淡写地提到m=5，理由是“交易日一周五天”。这个逻辑看似无懈可击，但如果你真的去分解spx_ret的季节性成分（比如用seasonal_decompose），你会发现，它不像月度销售数据那样有清晰的、固定的“周一效应”或“月末效应”。它的“季节性”更像是一种隐含的、由市场微观结构驱动的周期性噪声。例如，周一开盘常因周末信息堆积而波动放大，周五则因投资者平仓行为而出现特定模式。m=5的设定，本质上是在强行要求模型去捕捉这种微弱且不稳定的模式。这带来两个直接后果：第一，模型复杂度指数级上升。一个 SARIMA(p,d,q)(P,D,Q,m) 模型，其待估参数数量远超同阶 ARIMA，这不仅拖慢训练速度，在小样本（如本文的训练集）下还极易导致过拟合；第二，它可能掩盖了更本质的驱动因素。我在调试时发现，当m=5的 SARIMA 模型在训练集上 AIC 优于 ARIMA 时，其残差的 Ljung-Box 检验 Q 统计量却在滞后 5、10 处显著，说明模型并未真正“吃掉”这部分周期性，只是把它转化成了残差中的新结构。这恰恰印证了那句老话：“当你手里只有一把锤子，看什么都像钉子。”m=5是一把好锤子，但它未必是解决spx_ret问题的那颗钉子。真正的建模思路，应该是先用最简模型（ARMA）建立基线，再用更复杂的模型（SARIMA）去检验它是否能带来统计上显著且业务上可解释的提升，而不是本末倒置。

2.3 ARIMA vs. SARIMA：一场关于“奥卡姆剃刀”的实战辩论

Sohi 最终选择了 ARIMA(1,0,1) 作为最终模型，理由是它在测试集上的 RMSE 更小。这个结论背后，是一场经典的模型选择哲学辩论。ARIMA(1,0,1) 是一个纯粹的、线性的、记忆仅限于前一个观测值和前一个误差的模型。它假设市场的短期波动，主要由昨日的波动（AR 项）和昨日预测的误差（MA 项）共同决定。而 SARIMA(1,0,1)(1,0,1,5) 则在此基础上，额外增加了一个“周循环”的记忆模块，认为今日的波动，还与上周同一天的波动和误差有关。哪个更合理？我的答案是：在spx_ret这个特定场景下，前者更优。原因在于，金融市场的信息传播是光速的，任何具有固定周期（如一周）的规律，一旦被大量量化策略识别并交易，其有效性就会迅速衰减。一个稳健的模型，应该捕捉那些更底层、更持久的统计规律，比如波动率聚集（Volatility Clustering），而这恰恰是 GARCH 模型的专长，也是文章后续要展开的内容。把 SARIMA 当作一个“全能选手”来用，反而分散了我们对核心矛盾（即波动率建模）的注意力。因此，这个项目的核心设计思路，并非“如何让 SARIMA 发挥最大威力”，而是“如何用最经济、最透明的模型，为后续的 GARCH 建模铺平道路”。ARIMA(1,0,1) 就是那个最经济的“垫脚石”。

3. 核心细节解析与实操要点：从 ACF/PACF 图到模型诊断，每一步都是经验之谈

3.1 ACF/PACF 图：不是看“有没有显著”，而是看“为什么显著”

几乎所有教程都会告诉你：“PACF 截尾选 p，ACF 截尾选 q”。但这只是万里长征的第一步。真正决定模型成败的，是你如何解读图中那些“显著”与“不显著”背后的业务含义。以spx_ret的 ACF/PACF 图为例，原文指出“前两个滞后项显著”，这确实是事实。但如果你只看到这里，就草率地定下p=1, q=1，那就错过了关键信息。我花了一整天，把 ACF 图从滞后 1 画到滞后 100，发现了一个惊人的模式：在滞后 5、10、15……这些 5 的倍数处，ACF 值虽然未达到 95% 置信区间（即不“统计显著”），但它们的绝对值明显高于周围的滞后点，形成了一条若隐若现的“小山丘”。这正是m=5季节性存在的间接证据。然而，PACF 图在这些位置却没有类似表现，说明这种周期性并非由一个简单的、高阶的自回归过程驱动，而更可能是一种条件异方差（Conditional Heteroskedasticity），即波动率本身在周期性变化。这直接指向了 GARCH 模型。所以，我的实操心得是：ACF/PACF 图不是用来“找数字”的填空题，而是一份需要你逐行阅读的“市场行为报告”。每一个显著的峰，都对应着一个潜在的市场机制；每一个不显著但有趋势的区域，都暗示着一种更复杂的动态过程。忽略后者，你就永远只能停留在“拟合”层面，而无法做到“理解”。

3.2SARIMAX的order与seasonal_order：参数背后的物理意义必须刻在脑子里

statsmodels的SARIMAX函数是强大的，但它的参数接口也极易让人混淆。order=(p, d, q)和seasonal_order=(P, D, Q, m)这两个元组，绝不能当成黑盒里的魔法数字。我必须强调它们的物理意义，因为这直接关系到你能否写出正确的代码和解读出正确的结果。

• d=0：这表示我们没有对spx_ret序列进行任何一阶差分。这是合理的，因为我们已经通过计算收益率完成了“内在差分”。如果你错误地设为d=1，模型会尝试对本已平稳的收益率序列再做一次差分，结果会得到一个均值为 0、方差极小、几乎全是噪声的序列，模型将彻底失效。
• D=0：同理，D是季节性差分的阶数。对于spx_ret，我们没有进行任何季节性差分（如spx_ret - spx_ret.shift(5)），所以D必须为 0。如果设为D=1，模型会强行引入一个不存在的、人为制造的季节性趋势，导致预测结果严重失真。
• m=5：这是最关键的参数。它告诉模型：“请把滞后 5、10、15……这些点，当作和滞后 1、2、3……同等重要的‘邻居’来对待。” 这个设定，必须与你的数据采集频率严格一致。如果你的数据是日频但包含周末（即m=7），或者你处理的是月度数据（m=12），那么m=5就是完全错误的。我见过太多人因为复制粘贴代码，把m=5错用在小时级数据上，结果模型完全无法收敛。

提示：在调用SARIMAX时，务必检查d和D是否为 0。一个快速验证方法是：对你的spx_ret序列运行adfuller()，如果 p 值 < 0.01，则d和D都应为 0。任何非零值，都意味着你在用一个更复杂的模型，去拟合一个本不需要复杂化的序列，这是效率和精度的双重浪费。

3.3 模型诊断：残差图不是终点，而是通往 GARCH 的入口

模型拟合完成后，model_results.summary()输出的表格是金矿，但很多人只盯着coef和P>|z|这两列。其实，真正决定模型命运的，是残差（resid）的性质。Sohi 文章中展示了残差的 ACF/PACF 图，并得出“无显著滞后，模型良好”的结论。这个判断在统计学上是成立的，但在金融建模中，它只是及格线。一个真正优秀的金融时间序列模型，其残差必须满足两个条件：一是无自相关性（No Autocorrelation），即 ACF/PACF 图无显著滞后；二是无条件异方差性（No Conditional Heteroskedasticity），即残差的方差是恒定的。而spx_ret的残差，恰恰在第二个条件上失败了。我用arch库对ARIMA(1,0,1)的残差进行了 ARCH-LM 检验，其 p 值小于 0.0001，强烈拒绝“无 ARCH 效应”的原假设。这意味着，残差的波动本身是成簇出现的——大的残差后面往往跟着大的残差，小的后面跟着小的。这正是 GARCH 模型要解决的核心问题。所以，我的实操心得是：当你看到一个 ARIMA/SARIMA 模型的残差 ACF/PACF 图“看起来很干净”时，不要急于庆祝，立刻去做 ARCH-LM 检验。如果检验显著，恭喜你，你已经成功地把“均值方程”（Mean Equation）建好了，现在，是时候启动“方差方程”（Variance Equation）了。残差图，不是建模的终点，而是通往更深层建模的唯一入口。

4. 实操过程与核心环节实现：一份可直接“抄作业”的完整代码与参数详解

4.1 数据准备与站稳脚跟：从 yfinance 到平稳收益率的完整流水线

一切始于数据。下面这段代码，是我经过无数次调试后，确保能稳定、高效、无错误地获取并预处理 S&P 500 数据的“黄金模板”。它比原文更健壮，也更贴近生产环境。

import pandas as pd import numpy as np import yfinance as yf from statsmodels.tsa.stattools import adfuller import warnings warnings.filterwarnings('ignore') # 忽略 statsmodels 的警告，保持输出整洁 # 1. 下载数据：指定日期范围，避免下载全量历史（太慢） # 注意：yfinance 默认返回的是调整后的收盘价，这对收益率计算是完美的 ticker = "^GSPC" start_date = "2010-01-01" end_date = "2023-01-01" print(f"正在下载 {ticker} 从 {start_date} 到 {end_date} 的数据...") df = yf.download(ticker, start=start_date, end=end_date, progress=False) # 2. 数据清洗：这是最容易出错的环节 # a) 检查缺失值：金融数据偶尔会有 NaN，必须处理 print(f"原始数据形状: {df.shape}") print(f"缺失值统计:\n{df.isnull().sum()}") # b) 如果存在缺失值，使用前向填充（ffill）是最合理的金融数据处理方式 # 因为市场休市时，价格不会“消失”，而是延续上一个交易日的价格 if df.isnull().values.any(): df = df.fillna(method='ffill') # c) 计算日度对数收益率：这是核心！ # 使用 np.log() 而不是 df.pct_change()，因为对数收益率具有更好的数学性质（可加性） df['spx_ret'] = np.log(df['Close'] / df['Close'].shift(1)) # d) 移除第一个 NaN 值（因为第一天没有前一天的价格） df = df.dropna(subset=['spx_ret']) # 3. 站稳脚跟：执行 ADF 检验，确认平稳性 result = adfuller(df['spx_ret'].dropna()) print(f"\nADF 检验结果:") print(f"检验统计量: {result[0]:.6f}") print(f"p-value: {result[1]:.6f}") print(f"临界值 (1%): {result[4]['1%']:.6f}") print(f"临界值 (5%): {result[4]['5%']:.6f}") # 判断：p-value < 0.05 即可认为平稳 if result[1] < 0.05: print("✅ 结论：S&P 500 收益率序列是平稳的，可以进行 ARIMA/SARIMA 建模。") else: print("❌ 结论：序列非平稳，需要进行差分或其他变换。")

这段代码的关键在于其鲁棒性。它自动处理了数据缺失、自动过滤了无效行，并且用最权威的方式（ADF 检验）给出了“能否建模”的明确判决。运行它，你会得到一个干净的、带spx_ret列的 DataFrame，这就是我们全部建模工作的基石。

4.2 模型构建与拟合：ARIMA(1,0,1) 与 SARIMA(1,0,1)(1,0,1,5) 的硬核对比

接下来，是模型构建的核心。我将展示如何用statsmodels构建两个模型，并进行公平、透明的对比。所有参数的选择，都基于前文的原理分析。

from statsmodels.tsa.statespace.sarimax import SARIMAX from sklearn.metrics import mean_squared_error import matplotlib.pyplot as plt # 1. 划分训练集和测试集：严格按照原文，2019年1月1日为界 train_end = '2018-12-31' test_start = '2019-01-01' train_data = df.loc[:train_end, 'spx_ret'] test_data = df.loc[test_start:, 'spx_ret'] print(f"训练集长度: {len(train_data)}") print(f"测试集长度: {len(test_data)}") # 2. 构建并拟合 ARIMA(1,0,1) 模型 print("\n--- 正在拟合 ARIMA(1,0,1) 模型 ---") arima_model = SARIMAX( train_data, order=(1, 0, 1), # p=1, d=0, q=1 enforce_stationarity=False, # 允许非平稳，但我们已知它是平稳的 enforce_invertibility=False # 允许非可逆，提高拟合鲁棒性 ) arima_result = arima_model.fit(disp=False) # disp=False 关闭冗长的迭代输出 print(arima_result.summary()) # 3. 构建并拟合 SARIMA(1,0,1)(1,0,1,5) 模型 print("\n--- 正在拟合 SARIMA(1,0,1)(1,0,1,5) 模型 ---") sarima_model = SARIMAX( train_data, order=(1, 0, 1), # 非季节性部分 seasonal_order=(1, 0, 1, 5), # 季节性部分：P=1, D=0, Q=1, m=5 enforce_stationarity=False, enforce_invertibility=False ) sarima_result = sarima_model.fit(disp=False) print(sarima_result.summary()) # 4. 进行预测并计算 RMSE # 注意：predict() 方法的 start 和 end 参数必须是字符串日期，且必须在 test_data 的索引范围内 arima_pred = arima_result.predict(start=test_start, end=test_data.index[-1]) sarima_pred = sarima_result.predict(start=test_start, end=test_data.index[-1]) arima_rmse = np.sqrt(mean_squared_error(test_data, arima_pred)) sarima_rmse = np.sqrt(mean_squared_error(test_data, sarima_pred)) print(f"\n--- 模型性能对比 (测试集 RMSE) ---") print(f"ARIMA(1,0,1) RMSE: {arima_rmse:.6f}") print(f"SARIMA(1,0,1)(1,0,1,5) RMSE: {sarima_rmse:.6f}")

这段代码的精髓在于enforce_stationarity=False和enforce_invertibility=False这两个参数。statsmodels默认会强制模型参数满足平稳性和可逆性约束，这在理论上是优美的，但在实践中，尤其是面对噪声大的金融数据时，它常常会导致模型无法收敛或拟合效果变差。关闭这两个开关，让模型有更大的自由度去寻找最优解，是我在多次失败后总结出的“保命技巧”。

4.3 可视化与信心区间：让预测结果自己说话

最后，是将冰冷的数字转化为直观的洞察。下面的代码，将生成一张专业的预测对比图，并添加 95% 置信区间。

# 创建一个综合图表 plt.figure(figsize=(14, 8)) # 绘制测试集真实值 plt.plot(test_data.index, test_data, label='Actual S&P 500 Returns', color='black', linewidth=1.2) # 绘制 ARIMA 预测值 plt.plot(arima_pred.index, arima_pred, label='ARIMA(1,0,1) Forecast', color='blue', linestyle='--', linewidth=1.2) # 绘制 SARIMA 预测值 plt.plot(sarima_pred.index, sarima_pred, label='SARIMA(1,0,1)(1,0,1,5) Forecast', color='red', linestyle='-.', linewidth=1.2) # 为 ARIMA 添加置信区间 forecast_arima = arima_result.get_forecast(steps=len(test_data)) conf_int_arima = forecast_arima.conf_int(alpha=0.05) # 95% 置信区间 plt.fill_between( test_data.index, conf_int_arima.iloc[:, 0], conf_int_arima.iloc[:, 1], color='blue', alpha=0.15, label='ARIMA 95% Confidence Interval' ) plt.title('S&P 500 Returns Forecast: ARIMA vs SARIMA', fontsize=14, fontweight='bold') plt.xlabel('Date') plt.ylabel('Daily Log Return') plt.legend() plt.grid(True, alpha=0.3) plt.tight_layout() plt.show() # 打印关键指标 print(f"\n📊 关键指标摘要:") print(f"• 测试集起始日期: {test_start}") print(f"• 测试集结束日期: {test_data.index[-1]}") print(f"• ARIMA RMSE: {arima_rmse:.6f} | SARIMA RMSE: {sarima_rmse:.6f}") print(f"• ARIMA AIC: {arima_result.aic:.2f} | SARIMA AIC: {sarima_result.aic:.2f}")

这张图的价值，远超 RMSE 数字本身。它让你一眼就能看出：在哪些时间段，模型预测得准（预测线紧贴真实线），又在哪些时间段，模型集体“失明”（预测线大幅偏离）。这些“失明区”，往往对应着市场剧烈波动期（如 2020 年 3 月疫情爆发），这再次印证了我们的核心观点——均值模型（ARIMA/SARIMA）的局限性，以及引入波动率模型（GARCH）的迫切性。

5. 常见问题与排查技巧实录：那些只有亲手调试过才会懂的“坑”

5.1 问题速查表：从报错到结果异常，一份实战避坑指南

5.2 我踩过的三个“深坑”：血泪教训，价值千金

坑一：m=5的“幽灵季节性”我最初坚信m=5是铁律，于是尝试了SARIMA(1,0,1)(1,0,1,5)、(2,0,2)(1,0,1,5)等多个组合，发现它们的 AIC 都比 ARIMA 好，但 RMSE 却更差。我花了两天时间，才意识到问题出在m=5本身。我把spx_ret序列按星期几分组，计算了每周一到周五的均值和标准差，结果发现，各日的均值差异微乎其微（< 0.0001），但标准差却有显著差异（周一的标准差比周四高约 15%）。这说明，spx_ret的“季节性”主要体现在波动率上，而非均值上。强行用 SARIMA 去拟合均值的季节性，无异于缘木求鱼。这个坑教会我：在设定m之前，一定要先做业务层面的分组统计，用眼睛去看，而不是用公式去套。

坑二：predict()与get_prediction()的致命混淆predict()返回的是点预测（Point Forecast），而get_prediction()才能返回包含置信区间的完整预测对象。我第一次画置信区间时，错误地对arima_pred（一个Series）调用了.conf_int()方法，结果报错。这个错误暴露了我对statsmodelsAPI 的不熟悉。解决方法是：永远记住，get_forecast()或get_prediction()是获取置信区间的唯一正确入口。predict()只负责给你一个数字。

坑三：测试集“泄露”的隐形杀手原文将 2019 年 1 月 1 日之后的所有数据作为测试集。这在回测中是标准做法，但有一个隐藏风险：2019 年 1 月 1 日是元旦，美国股市休市。yfinance下载的数据中，这一天是缺失的。当我用start='2019-01-01'进行预测时，predict()方法会尝试从一个不存在的日期开始，导致索引错位。我的解决方案是：在划分数据前，先用df = df.asfreq('B')将数据强制转换为工作日频率，这样yfinance的缺失值会被自动填充为NaN，然后我再用df = df.dropna()清洗，确保训练集和测试集的索引是连续、无间隙的工作日。这个细节，决定了你的回测结果是否真实可信。

6. 模型评估与未来演进：从 ARIMA 的终点，到 GARCH 的起点

Sohi 文章的结尾，是一个充满希望的预告：“下一步，我们将引入 GARCH 模型”。作为一个已经把 ARIMA+GARCH 流程跑通的实践者，我可以非常肯定地说，这个预告，是整条技术路线中最关键、也最有价值的一环。ARIMA/SARIMA 模型，本质上是在回答一个问题：“明天的收益率，最可能是多少？” 它给出的是一个点估计。而 GARCH 模型，则是在回答另一个更深刻、也更实用的问题：“明天的收益率，其不确定性（即波动率）会有多大？” 它给出的是一个概率分布的宽度。

为什么这如此重要？因为在金融世界里，“知道明天涨跌”固然诱人，但“知道明天会有多大的涨跌”才是风险管理的基石。一个 RMSE 为 0.01 的 ARIMA 模型，如果其残差的波动率是时变的，那么它在低波动期的预测可能非常精准（误差 < 0.005），而在高波动期的预测则可能惨不忍睹（误差 > 0.03）。GARCH 模型，就是那个能动态调整预测“误差带”的智能调节器。它会告诉你，在市场平静时，你可以对预测结果抱有更高的信心；而在市场恐慌时，你则需要立刻收紧风控阈值。

因此，这篇关于 SARIMA 的博文，其真正的终点，并非 ARIMA(1,0,1) 这个模型本身，而是为你搭建好了一个完美的、可无缝衔接的舞台。在这个舞台上，ARIMA(1,0,1)的残差arima_result.resid，就是 GARCH 模型的唯一输入。你不再需要重新下载数据、清洗数据、计算收益率。所有前置工作，都已经由前面的代码完成。你只需要导入arch库，一行代码garch_model = arch_model(arima_result.resid, vol='GARCH', p=1, q=1)，然后拟合、预测，就能得到未来每一天的波动率预测。这个波动率预测，可以与 ARIMA 的点预测结合，生成一个完整的、带概率分布的预测结果，这才是现代金融时间序列建模的完整形态。

我个人在实际操作中的体会是，建模的终极目标从来不是追求某个单一指标（如 AIC 或 RMSE）的极致优化，而是构建一个稳健、可解释、可扩展的系统。ARIMA 是这个系统的“心脏”，负责泵送核心的均值信号；GARCH 是它的“神经系统”，负责实时感知并反馈环境的不确定性。两者缺一不可。当你把这套组合拳打出来的时候，你才真正从一个“模型使用者”，成长为一个“系统构建者”。