了解auto.arima导致（0,0,0）顺序

Question

我有以下时间序列，我想要适合ARIMA流程：

时间序列是静止的，因为零假设被拒绝：

> adf.test(g_train)

    Augmented Dickey-Fuller Test

data:  g_train
Dickey-Fuller = -5.5232, Lag order = 17, p-value = 0.01
alternative hypothesis: stationary

当我使用auto.arima训练ARIMA过程时，我得到以下结果：

> auto.arima(g_train)
Series: g_train 
ARIMA(0,0,0) with non-zero mean 

Coefficients:
          mean
      142.6338
s.e.    0.4700

sigma^2 estimated as 1273:  log likelihood=-28761.11
AIC=57526.22   AICc=57526.23   BIC=57539.54

为什么估计订单为（0,0,0）？如何解释结果？

编辑：它越来越怪异了。似乎auto.arima的数据太多，因此无法计算出合适的模型。

我总共有5760个值，如果我只传递一部分数组，则auto.arima正在运行。似乎没有任何数据的最大长度。

auto.arima(g_train[1000:length(g_train)])
Series: g_train[1000:length(g_train)] 
ARIMA(4,1,3) 

Coefficients:
         ar1      ar2     ar3     ar4      ma1     ma2      ma3
      2.5736  -1.9617  0.1803  0.2073  -1.4577  1.0505  -0.2284
s.e.  0.0437   0.1133  0.0985  0.0290   0.0437  0.0561   0.0371

sigma^2 estimated as 7.925e-05:  log likelihood=16008.3
AIC=-32000.6   AICc=-32000.57   BIC=-31948.86

EDIT2：这是我的数据的Acf图。我们可以清楚地看到季节性趋势。也许问题来自那里？

Answer 1

使用auto.arima并指定级数是否为均值= 0

library(forecast)
auto.arima(x, allowmean=FALSE, allowdrift=FALSE, trace=TRUE)

x在这种情况下是您的时间序列数据