我试图找到时间序列（ARIMA / SARIMA / ARIMAX / SARIMAX）模型的通用性。 例如，我有一个单变量时间序列模型，该模型从文件中读取数据，然后检查最佳的pdq值。然后使用最佳的pdq值生成最终模型。同样用于获得12个月的预测。我想通过对12个月的多步预测进行“（对滚动预测的原点进行评估）”（修改方法）来检查模型的质量。如https://otexts.com/fpp2/accuracy.html中所述 我们目前正在使用滑动窗口运行同一模型12次。例如，第一次迭代的训练点为1到60，预测周期为61到72。第二次迭代的训练周期为1到59，预测为60到71，并且这些迭代持续12次。 然后，我们为所有这些预测计算残差。我们将获得总计12（迭代）* 12（多步预测）= 144。 我们使用这些残差来检查均值和方差，以确定模型的良好/稳健性。 在针对不同时间窗口进行迭代测试时，我有两个问题，我们应该这样做是保持pdq值固定还是应该通过自动arima函数自动更改。第二个问题是如何在下面的两个之间进行选择……何时训练时间序列模型（训练意味着保持pdq值固定，只是在每个月末传递新值并保持更新）VS通过检查新的pdq值来构建新模型并再次建立模型。