电价与股票价格基本相同：最好通过随机游走建模，其中对明天的最佳预测是今天的价格。因此，对于使用更多历史数据得到更差的结果，我并不感到惊讶。某些版本的 ARIMA 还将包括正则化，这将惩罚您的模型包含越来越多的数据 - 必须通过降低残差来证明包含新数据的合理性，以使其“值得”包含。

其他型号往往更强大，使用除实际目标之外的功能，这里是价格。例如，尝试预测价格的波动性可能被证明更准确。为此，有 GARCH 模型（广义自回归条件异方差）。

您可能会考虑的另一件事是包括外部数据......例如，电力消耗受天气影响很大 - 如果外面很冷，很多人使用电加热器取暖，他们也会喝更多的热饮等。