我正在尝试将长达一年的半小时数据集放入 Python statsmodels 的 SARIMAX 中。我绘制了相关图，它表明 AR 和 MA 项均远高于 5，周期性项（每天）约为 2。但即使在季节性或非季节性类型的 AR 或 MA 项中超过 2 阶也会产生 MLE 收敛错误.

C:\Users\<user>\AppData\Local\Continuum\miniconda3\lib\site-packages\statsmodels\base\
model.py:496: ConvergenceWarning: Maximum Likelihood optimization failed to converge. 
Check mle_retvals
  "Check mle_retvals", ConvergenceWarning)

我知道这是一个非线性模型并且无法收敛，但我不知道如何进行。mle_retvals不是SARIMAXResults对象的属性。拟合整个数据集需要一个多小时，这就是为什么我在迭代时只能使用一两个月的数据。我直觉地怀疑这减少了 SARIMAX 拟合可以容纳的术语的潜在顺序而不会出现收敛问题，尽管我对这里的概念没有深入的理解。

其他可能重要的细节是整个数据集中缺少许多值，我依靠状态空间形式来估算这些缺失值。

如何解决我在使用 SARIMAX 时遇到的收敛错误？我应该检查哪些方面可能导致问题？这些问题通常可以解决吗？谢谢。

更新：我不知道现在发生了什么，但我得到了一个 mle_retvals 对象

{'Hinv': array([[1, 0, 0, 0, 0, 0],
        [0, 1, 0, 0, 0, 0],
        [0, 0, 1, 0, 0, 0],
        [0, 0, 0, 1, 0, 0],
        [0, 0, 0, 0, 1, 0],
        [0, 0, 0, 0, 0, 1]]),
 'converged': False,
 'fcalls': 44,
 'fopt': 0.22864169058350794,
 'gcalls': 33,
 'gopt': array([ 0.33676031, -0.35390488, -0.01763243, -0.09141768, -0.12037386,
         0.08537955]),
 'warnflag': 2}

这是针对 order=(2,0,2) 和seasonal_order=(1,0,0,48) 的。而且我现在还注意到在 ConvergenceWarning 之前有一个警告

Warning: Desired error not necessarily achieved due to precision loss.

所以 Hessian 是单数的；这听起来不像是数据问题吗？可能这意味着数据的顺序低于模型？但这并没有反映在 (1,0,2),(1,0,0,48) 模型的插值残差系列的 ACF 和 PACF 中，其中有很多高于显着性水平的峰值（参见下面的 PACF ）。我为此使用了BFGS算法。

插值数据以删除缺失值没有任何区别！

更改算法：Nelder-Mead 似乎需要大量迭代，但最终收敛于 (2,0,2),(1,0,0,48)，参见下面的 PACF