1. 项目概述：为什么时间序列里的过拟合，比你在教科书里看到的更狡猾？

“Demystifying Overfitting in Time Series”——这个标题乍看像一篇学术综述，但如果你真在金融量化、工业设备预测、电力负荷建模或电商销售 forecasting 一线干过，就会立刻绷紧神经。时间序列过拟合不是模型记住了训练数据，而是它偷偷学会了数据里的“呼吸节奏”和“咳嗽声”，然后把咳嗽当成了规律，在真实世界里剧烈地打喷嚏。我做过三年风电功率预测，也帮零售客户搭过库存周转模型，最常被业务方指着报表问：“上个月预测准得离谱，这个月怎么差得离谱？”——八成不是模型坏了，是它在训练时悄悄过拟合了时间序列特有的“伪周期性”“结构突变点”和“非平稳噪声”。它不像图像识别里过拟合一张猫图，而像一个老练的骗子，用过去30天的天气波动编出一套“云层厚度决定股价涨跌”的理论，还写进了模型权重里。这篇文章不讲定义，不列公式推导，只讲我在真实项目中如何识别、量化、拦截和修复时间序列过拟合——从数据切分的致命陷阱，到验证集构造的隐藏雷区；从LSTM层里那些“记忆门”如何变成过拟合温床，到一个简单滚动窗口检验法，如何让我在模型上线前2小时揪出即将崩盘的预测曲线。适合所有正在用ARIMA、Prophet、XGBoost或Transformer做时序预测的人，尤其适合那些模型在回测里AUC 0.95、一上线就掉到0.6的工程师和分析师。

2. 时间序列过拟合的本质解构：它根本不是“记住了数据”，而是“误解了时间”

2.1 普通监督学习过拟合 vs. 时间序列过拟合：两个完全不同的战场

很多人把时间序列过拟合当成普通机器学习过拟合的子集，这是第一个致命误区。在图像分类里，过拟合表现为模型对训练集里某张带噪图片的像素级记忆——比如把狗耳朵上的反光斑点当成关键特征。这时你加Dropout、减网络深度、增正则项，基本能压住。但时间序列不是这样。我拿自己去年做的一个案例说明：为某水泥厂预测未来7天熟料日产量。训练数据是2021–2023年共730天的历史产量+温度+电价+检修计划。我们用一个带Attention的LSTM模型，训练集MAE=0.8吨，验证集MAE=1.1吨，看起来很稳。但上线后第一周，MAE飙到4.7吨。回溯发现：模型把2022年7月连续5天因高温限电导致的产量断崖（每天降30%）学成了“7月第3周必降产”的硬规则。它没记住那5天的具体数值，而是把“7月+高温+周一至周五”这个组合，编码成了一个强触发条件。这叫时间戳污染（Timestamp Leakage）——模型不是在学物理因果，是在学日历表。

提示：普通过拟合是“空间维度失真”，时间序列过拟合是“时间维度幻觉”。前者错在“哪里”，后者错在“何时”。

2.2 三大时间序列专属过拟合诱因：非平稳性、长程依赖幻觉与滚动窗口陷阱

真正让时间序列过拟合难以察觉的，是它有三套隐蔽的作案工具：

第一，非平稳性伪装成可学习模式。
时间序列的均值、方差、自相关结构随时间漂移。比如某电商平台的GMV，在2020年疫情期是强脉冲式增长（每周一爆发），2022年转为平缓线性增长，2024年又因新渠道接入出现双峰结构。一个未做差分或趋势分解的模型，会把这种结构性迁移当成“可泛化的周期模式”去拟合。实测过：直接用原始GMV训练XGBoost，特征重要性里“星期几”排第一；但若先用STL分解出趋势项，再用残差训练，星期几重要性直接掉到第17位。模型不是在学用户行为，是在学平台运营节奏的快照。

第二，长程依赖被误读为确定性因果。
LSTM/GRU/Transformer都宣称能捕获长程依赖，但真实世界里，超过30步的依赖往往由外部不可观测变量驱动（如政策突变、供应链断裂）。模型无法区分“可建模的统计依赖”和“不可控的混沌扰动”，于是把随机事件序列强行拟合成确定性路径。我见过一个交通流量模型，把某次暴雨导致的连续3天早高峰拥堵，学成了“降雨量>50mm后第2–4天早高峰必堵”的规则。结果晴天预报全错——因为模型把“暴雨”这个一次性冲击，编码成了“时间步t+2的固定偏移量”。

第三，滚动窗口验证的温柔陷阱。
这是最普遍也最危险的操作。几乎所有教程都教你：用滚动窗口切分训练/验证集，比如窗口大小60，步长1，滑动生成100个子集。问题在于：相邻验证集之间存在高达59步的重叠！模型在验证集A（t=1–60）上犯的错，会在验证集B（t=2–61）里被重复“看到”并微调。这本质上不是独立验证，而是训练集的数据增强。我们做过对照实验：同一模型，用标准滚动窗口验证，CV得分0.92；改用“跳跃式滚动”（窗口60，步长30，无重叠），CV得分骤降至0.76，且上线后误差与线上一致。滚动窗口不是在测试泛化能力，是在测试模型对时间邻域的插值能力。

2.3 过拟合的终极危害：不是预测不准，而是“自信地错”

普通过拟合顶多让你模型分数虚高，时间序列过拟合会直接摧毁业务信任。原因在于它的错误具有系统性偏移（Systematic Bias）和置信度幻觉（Confidence Illusion）。

• 系统性偏移：模型不会随机乱猜，它会稳定地在特定时间点（如月末、季初、节假日后）持续高估或低估。某银行信用卡逾期率预测模型，连续6个月在每月25–28号高估12%，因为训练数据里恰好有6次催收策略调整发生在该时段，模型把“日期”和“策略动作”耦合成了强关联。
• 置信度幻觉：深度模型输出的预测区间（Prediction Interval）在过拟合时反而更窄。因为模型把训练期的“表面平稳”当成了真实规律，低估了未来不确定性。我们在一个光伏功率预测项目中发现：过拟合模型给出的90%置信区间平均宽度仅1.2MW，实际误差超区间概率达43%；而经防过拟合改造的模型，区间宽度扩大到2.8MW，超区间概率降至8.7%。它不是更准了，是更敢赌了——而且赌错了。

3. 实战防御体系：从数据预处理到模型评估的七道防火墙

3.1 防火墙一：时间感知切分——拒绝“按比例切分”的自杀式操作

绝大多数时间序列项目死于第一步：数据切分。用train_test_split(test_size=0.2)？恭喜，你已向过拟合递交投名状。时间序列没有“随机样本”概念，未来永远在时间轴末端。正确做法是严格时间顺序切分 + 验证集前置缓冲。

我的标准流程：

1. 主切分点：按业务周期确定。例如月度销售预测，切分点必须落在月度边界（如2023-12-31）；高频交易数据则按交易日切分（避开周末和节假日）。

2. 验证集前置缓冲：在训练集末尾和验证集开头之间，插入一段长度≥模型最大依赖步长的空白缓冲区。例如用LSTM预测未来7天，历史窗口需60天，则缓冲区至少设为60天。这意味着：若总数据2020-01-01至2024-06-30，训练集取2020-01-01至2023-06-30，缓冲区2023-07-01至2023-08-29，验证集才从2023-08-30开始。

   注意：缓冲区不参与任何训练或验证，纯粹物理隔离。它模拟了“模型上线后，历史数据停止更新”的真实延迟。

3. 多粒度验证集：单一验证集易受偶然性影响。我强制要求至少3个验证集：

   • 近期验证集（最近30天）：检测模型对最新模式的适应性
   • 远期验证集（最早可用的完整周期，如2020年全年）：检测模型对长期趋势的鲁棒性
   • 压力验证集（含已知结构突变点，如疫情期、系统升级日）：检测模型对异常事件的抗干扰能力

表格：不同切分方式对某物流ETA预测模型上线误差的影响（MAE，单位：小时）

*三重验证集MAE分别为近期/远期/压力验证集结果

3.2 防火墙二：非平稳性治理——差分不是万能药，STL分解才是手术刀

很多教程说“序列不平稳就差分”，结果把本可解释的趋势项粗暴抹掉。差分本质是求导，会放大噪声、丢失长期信息。我坚持用STL（Seasonal and Trend decomposition using Loess）作为预处理核心。

STL将序列Y(t)分解为：
Y(t) = Trend(t) + Seasonal(t) + Remainder(t)

关键优势在于：

• Trend项可控：Loess平滑器的跨度参数season可精确控制趋势提取粒度。例如对日度销售数据，设season=365提取年度趋势，season=7提取周度趋势，避免ARIMA里“差分阶数d=1还是2”的玄学选择。
• Remainder项可建模：残差项近似平稳白噪声，是模型真正的“学习对象”。我们把Trend和Seasonal作为外生变量输入模型，只让模型专注学习Remainder的动态——这相当于告诉模型：“趋势和季节性我来负责，你只管搞定剩下的意外。”

实操步骤（Python示例，使用statsmodels）：

from statsmodels.tsa.seasonal import STL import pandas as pd # 假设df为时间索引的DataFrame，'y'为目标列 stl = STL(df['y'], seasonal=365, trend=1095, robust=True) # trend跨度=3年，覆盖完整经济周期 result = stl.fit() # 提取三部分并合并为新特征矩阵 df_new = pd.DataFrame({ 'y_trend': result.trend, 'y_seasonal': result.seasonal, 'y_remainder': result.resid, 'y_original': df['y'] }) # 模型训练时，用y_remainder作为目标，y_trend/y_seasonal作为额外特征 # 这样模型权重不再承载趋势偏移，过拟合风险大幅降低

实操心得：STL的robust=True参数必须开启。它能自动识别并抑制异常值（如某天突发大促销量翻10倍），避免异常点扭曲整个趋势线。我在一个冷链运输温度监控项目中，关闭robust后，单次设备故障导致的温度尖峰，让趋势线整体上移2℃，模型后续所有预测都系统性偏高。

3.3 防火墙三：特征工程禁区——这些看似合理的特征，全是过拟合加速器

时间序列特征工程是过拟合高发区。以下特征我明令禁止，除非你能证明其物理因果性：

• 绝对时间戳特征：year,month,day,hour—— 这是时间戳污染的头号元凶。模型会把“12月”和“促销季”强绑定，一旦业务策略调整（如今年提前到11月启动双11），模型立即失效。
  ✅ 替代方案：用相对时间特征，如days_since_last_holiday、weeks_until_next_quarter_end，这些与业务动作强关联，且随策略动态更新。

• 滚动统计量无截断：rolling_mean(30)、rolling_std(7)—— 看似平滑，实则引入未来信息泄露。计算第100天的30日均值，需用第71–100天数据，但第100天本身是预测目标。
  ✅ 正确做法：所有滚动统计必须滞后一期。用df['y'].shift(1).rolling(30).mean()，确保计算时只用历史已知数据。

• 滞后特征盲目堆砌：lag_1,lag_2, ...,lag_365—— 模型会从大量滞后项中挑出几个“巧合相关”的噪声项，形成虚假路径。
  ✅ 科学做法：用PACF（偏自相关函数）图确定显著滞后阶数。例如PACF在lag_7后截尾，说明只需保留lag_1到lag_7；若PACF拖尾，则用auto_arima或pmdarima自动识别最优AR阶数，而非暴力穷举。

3.4 防火墙四：模型架构约束——给LSTM/Transformer装上“时间刹车”

深度模型是过拟合重灾区，但不用它们又解决不了复杂模式。我的策略是架构级约束，而非事后正则：

• LSTM/GRU的“记忆门”监管：
  标准LSTM的遗忘门（forget gate）可能过度保留无关历史。我在PyTorch中重写LSTMCell，强制遗忘门输出满足：
  f_t = sigmoid(W_f @ [h_{t-1}, x_t] + b_f)
  改为：
  f_t = 0.7 * sigmoid(...) + 0.3 * 0.5
  即人为注入0.3的“健忘系数”，防止模型对遥远历史过度依赖。实测在风电预测中，此改动使30步外预测误差降低22%，且消除了“月初必高估”的系统性偏差。

• Transformer的位置编码改造：
  标准正弦位置编码假设时间间隔均匀，但真实数据常有缺失（如传感器断连）。我改用时间间隔感知位置编码（TIPE）：
  PE(pos, 2i) = sin(pos / 10000^(2i/d_model))
  →
  PE(pos, 2i) = sin((t_pos - t_{pos-1}) / 10000^(2i/d_model))
  其中t_pos - t_{pos-1}是当前步与前一步的实际时间差（秒级）。这迫使模型关注“真实时间流逝”，而非“序列位置编号”。

• CNN-LSTM混合架构的通道隔离：
  对长序列，我禁用全连接LSTM，改用1D-CNN提取局部模式（如小时级波动），再送入短窗口LSTM（仅10步）捕获中期依赖。CNN层输出经LayerNorm后，再接Dropout(p=0.3)，最后才进LSTM。这种“局部卷积+中期记忆”的分工，比单一大LSTM过拟合率低40%。

3.5 防火墙五：损失函数定制——MAE/RMSE只是起点，你需要“时间加权损失”

标准损失函数对所有时间步一视同仁，但业务痛点往往集中在特定时段。例如：

• 电商库存预测，缺货损失远大于积压，应放大预测低估的惩罚；
• 电网负荷预测，晚高峰预测误差比凌晨误差致命10倍，需按时间权重动态调整。

我设计的Time-Weighted Quantile Loss（TWQL）公式：
Loss = Σ w_t * ρ_τ(y_t - ŷ_t)
其中：

• ρ_τ是分位数损失函数（用于预测区间）
• w_t是时间权重，按业务规则设定：
  w_t = 1.0（常规时段）
  w_t = 3.0（促销日、月末结算日）
  w_t = 5.0（早高峰7–9点、晚高峰17–19点）

代码实现（PyTorch）：

def twql_loss(y_true, y_pred, tau=0.5, weights=None): # y_true, y_pred: [batch, seq_len] # weights: [seq_len], 业务定义的时间权重向量 error = y_true - y_pred loss = torch.where(error >= 0, tau * error, (tau - 1) * error) if weights is not None: loss = loss * weights.unsqueeze(0) # 广播到batch维 return torch.mean(loss) # 使用示例：定义早高峰权重 peak_weights = torch.ones(seq_len) peak_weights[7*12:9*12] = 5.0 # 假设15分钟粒度，7-9点共144步 loss = twql_loss(y_true, y_pred, weights=peak_weights)

注意：权重必须在训练前固化，不可根据预测误差动态调整，否则会诱导模型专攻高权重点而忽略全局。

3.6 防火墙六：验证协议升级——告别滚动窗口，拥抱“时间旅行验证”

我彻底弃用传统滚动窗口，采用Time-Travel Validation（TTV）协议，模拟真实上线场景：

1. 锚点时间（Anchor Time）：选定一个历史时间点T0（如2023-01-01），作为所有验证的“现在”。
2. 历史快照构建：在T0时刻，收集其之前N天的历史数据（N=模型所需最大窗口），构成“T0快照”。
3. 多时间点验证：在T0之后，每隔K天（K=业务决策周期，如K=7天）选取一个验证时间点T1, T2, ... Tm。对每个Ti，只用Ti之前的全部数据（即T0快照 + T0至Ti-1的新数据）重新训练模型，并预测Ti未来H步。
4. 误差聚合：计算所有Ti上的误差均值及标准差，特别关注误差随Ti递增的变化趋势——若误差随Ti增大而上升，说明模型对新数据适应性差，存在隐性过拟合。

TTV的优势在于：

• 完全复现“模型每天增量学习”的生产环境；
• 能检测模型的时间衰减性（Temporal Decay）—— 过拟合模型衰减极快；
• 一次TTV运行可生成数十个独立验证点，统计显著性远超单次滚动窗口。

3.7 防火墙七：上线前熔断机制——用“滚动预测一致性检验”卡住最后一关

即使通过所有前述检查，模型仍可能在上线首日崩盘。我的终极防线是Rolling Prediction Consistency Test（RPCT）：
在模型部署前，用过去30天的真实数据，执行以下操作：

• 取第1–60天数据训练模型；
• 预测第61天值，记录预测值P61；
• 加入第61天真实值，重新训练（增量学习）；
• 预测第62天值，记录P62；
• ……
• 直至预测第90天，得到序列[P61, P62, ..., P90]；

然后计算：

• 一致性比率（CR）=count(|P_t - P_{t-1}| < ε) / 29，ε为业务可接受的单日最大波动阈值；
• 方向一致性（DC）=count(sign(P_t - y_{t-1}) == sign(y_t - y_{t-1})) / 29，即预测变化方向与真实变化方向一致的比例。

若CR < 0.7 或 DC < 0.6，立即熔断，禁止上线。该检验直击过拟合核心——过拟合模型预测轨迹“抖动剧烈”，缺乏物理连续性。我在一个半导体晶圆良率预测项目中，RPCT在上线前2小时触发熔断，发现模型将某次设备校准的瞬时波动，学成了“每72小时必降0.5%”的伪规律，避免了一次重大生产事故。

4. 过拟合诊断与修复实战：从报警信号到根因定位的完整链路

4.1 过拟合的七种典型报警信号——别等上线才看见

在模型开发过程中，以下信号出现任意一项，即启动过拟合根因分析：

1. 验证集误差曲线“U型反转”：训练轮次增加，验证误差先降后升，且最低点后上升斜率陡峭。这不是正常收敛，是模型开始记忆训练集噪声。
2. 特征重要性“日历特征霸榜”：month,day_of_week,is_holiday等时间特征重要性进入Top 3，且远超业务特征（如price,inventory_level）。
3. 预测区间“诡异收窄”：随着训练轮次增加，模型输出的90%预测区间宽度持续缩小，但实际覆盖率（真实值落入区间比例）同步下降。
4. 误差分布“单侧肥尾”：预测误差直方图明显右偏（持续高估）或左偏（持续低估），且偏移时段与日历强相关（如每月25–28号集中高估）。
5. 多步预测“阶梯式恶化”：1步预测MAE=1.2，5步预测MAE=2.1，10步预测MAE=5.8——恶化速度远超理论衰减（应接近√n）。说明模型依赖短期局部模式，无法泛化。
6. 缓冲区测试“悬崖效应”：在训练集末尾与验证集开头间插入缓冲区后，验证误差骤增300%以上。表明模型严重依赖缓冲区内的“幻觉模式”。
7. RPCT检验“方向全错”：DC < 0.4，即模型连明天比今天高还是低都判断错误，这是过拟合的终局表现。

实操心得：我用一个轻量级脚本自动化监控这7个信号，每日训练后自动生成《过拟合风险雷达图》。只要任一维度亮红灯，CI/CD流水线自动暂停，邮件通知负责人。这套机制让我们团队的模型上线失败率从37%降至4%。

4.2 根因定位四步法：从现象到代码的精准打击

发现报警信号后，按此流程定位：

第一步：时间切片归因（Time-Slicing Attribution）
将验证集按时间切片（如每周、每旬），计算各片MAE。若某一片MAE异常高（>均值2σ），提取该片所有样本，检查其共同特征：是否都在某个月份？是否都含某类事件标签？例如发现“2023年Q3所有高误差样本，均出现在周二且当日有直播活动”，则根因指向“模型未学习直播对销量的非线性冲击”。

第二步：特征贡献热力图（Feature Contribution Heatmap）
用SHAP值绘制热力图：横轴为时间步，纵轴为特征，颜色深浅表示该特征在该时间步对预测的贡献值。过拟合模型会出现“日历特征贡献条纹”——如month==12在每年12月所有时间步贡献值均极高，形成垂直色带。这比单纯看特征重要性更直观暴露时间戳污染。

第三步：梯度流追踪（Gradient Flow Tracing）
对高误差样本，反向传播计算各层梯度范数。若LSTM最后一层的梯度范数是前一层的5倍以上，说明模型在最终决策层过度放大某些历史步的权重——典型的长程依赖幻觉。此时需检查LSTM的初始状态和遗忘门初始化。

第四步：对抗样本注入（Adversarial Perturbation）
在验证集样本中，人工注入微小扰动：将某天的temperature特征加0.1℃，或将is_holiday从0改为1。若预测值因此剧变（>5%），说明模型对该特征极度敏感，存在脆弱性过拟合。这比单纯看特征重要性更揭示真实风险。

4.3 修复策略匹配表：针对不同根因的精准处方

根据根因定位结果，选用对应修复策略：

4.4 修复效果验证：不止看MAE，要看“业务误差地图”

修复后，不能只汇报MAE下降多少。我要求生成Business Error Map（业务误差地图）：

• 横轴：业务场景（如“日常销售”、“大促期间”、“新品首发”）
• 纵轴：决策层级（如“库存补货”、“产能调度”、“营销预算”）
• 单元格：该场景下该决策所需的预测误差容忍度（业务定义）与实际误差（模型输出）之比

例如：

这张地图直接告诉业务方：“模型在哪能用，哪不能用”，避免技术指标达标但业务仍骂娘的情况。在某快消品项目中，修复后MAE仅降8%，但业务误差地图显示“日常销售”达标率从62%升至94%，这才是真正的成功。

5. 经验沉淀：那些教科书不会写的过拟合真相与避坑清单

5.1 真相一：过拟合不是模型太复杂，而是你给它喂了“时间毒药”

我见过太多团队花两周调参优化LSTM，却用train_test_split切分数据。结果呢？模型在验证集上MAE=0.9，上线后MAE=3.2。他们以为是模型不够深，拼命加层数，殊不知问题出在第一天——数据切分时，验证集的第一天，其前60天历史数据里就包含了训练集的最后一天。这叫时间信息倒灌。模型还没学预测，先学会了“抄作业”。后来我们只改了一行代码：train_end = '2023-06-30'; val_start = '2023-08-30'，中间空出60天缓冲，MAE立刻降到2.1。过拟合的解药，往往不在模型里，而在数据管道最上游。所以我现在带新人，第一课不是讲LSTM，而是带他们手动画时间轴，标出训练、缓冲、验证的物理边界。画错一次，重画十遍。

5.2 真相二：验证集不是“考试”，而是“压力测试仪”

很多人把验证集当考试卷，追求分数越高越好。错。验证集是压力测试仪，要故意往里塞“坏数据”。我在所有项目里，验证集必须包含：

• 至少一次已知的系统性事件（如某次全站宕机、某次政策突变）；
• 一段人为制造的“数据质量洼地”（随机删除10%的传感器读数，用线性插值填充）；
• 一个与训练期分布明显不同的时段（如训练用2020–2022年数据，验证必须含2023年新渠道数据）。
  如果模型在这些“坏数据”上误差不飙升，说明它学的是鲁棒模式；如果一碰就崩，说明它学的全是训练期的“好运气”。有一次，模型在常规验证集上表现完美，但在“数据质量洼地”上误差翻倍，我们顺藤摸瓜，发现特征工程里用了fillna(method='ffill')，模型把前向填充的假数据当真了。改用fillna(limit=3)限制填充长度后，问题消失。

5.3 真相三：最好的正则化，是让模型“忘记时间”

所有正则化技术（L1/L2、Dropout、Early Stopping）在时间序列面前都略显苍白。最有效的正则，是从源头剥夺模型对时间的迷信。我的终极心法是：

• 绝不输入任何绝对时间戳；
• 所有特征必须有物理或业务意义（温度影响销量，不是“7月”影响销量）；
• 模型输出必须可解释：如果无法用一句话说清“为什么今天预测值是这个数”，那就重做。
  在某港口集装箱吞吐量预测项目中，我们曾用一个黑盒Transformer，MAE很低，但业务方拒绝上线，因为没人能解释“为什么下周三预测值突然跳升”。后来我们换成STL+XGBoost，Trend项显示季度性增长，Seasonal项显示周三惯例高峰，Remainder项由天气和船期驱动——三句话讲清逻辑，业务方当场拍板上线。可解释性不是附加功能，是过拟合的第一道过滤网。

5.4 避坑清单：血泪总结的12个致命操作

以下是我踩过的坑，按严重程度排序，越靠前越致命：

1. 用sklearn.train_test_split切分时序数据→ 直接导致时间信息泄露，模型学会作弊。
2. 验证集与训练集无缓冲区→ 模型把训练期末尾的“余震”当规律。
3. 在特征工程中使用rolling_mean(n)而不滞后→ 计算时偷看了未来数据。
4. 将year,month,day作为特征输入→ 时间戳污染，模型学日历不学业务。
5. 用完整历史数据训练，再预测未来→ 忽略了生产环境中数据延迟的现实。
6. 只用MAE/RMSE评估，不看误差分布和方向一致性→ 掩盖系统性偏差。
7. LSTM隐藏层维度设为128/256，却不检查梯度流→ 小模型也能过拟合，关键在梯度是否爆炸。
8. 用fillna('bfill')填充缺失值→ 用未来数据污染历史，模型学到虚假连续性。
9. 在损失函数中对所有时间步同等加权→ 模型忽视业务关键时段。
10. 上线前不做RPCT检验→ 放过预测轨迹抖动这一最致命信号。
11. 用PACF图选滞后阶数，却不验证其统计显著性→ 把噪声当模式。
12. 认为“模型复杂度高=过拟合”，盲目简化模型→ 有时过拟合