本题考察ARIMA模型的参数抵消（Common Factors）问题，这是许多有经验的建模者容易忽略的隐患。 理论背景：ARIMA(1,0,1) 模型公式可近似写作 (1-ϕ1L)yt=(1+θ1L)ε（符号定义因教材而异，关键看结构）。 数值分析：题目中 ϕ1 ≈0.92， θ1 ≈-0.92（注意：通常MA多项式写为 1+θ1L 或 1-θ1L，取决于定义，但核心在于AR和MA部分的特征根）。如果AR部分的特征根与MA部分的特征根相等（或极其接近），它们会在方程两边互相抵消。 业务影响：当AR和MA系数数值接近且符号相反（在特定定义下）或导致多项式根几乎重合时，意味着模型试图用AR部分解释某种相关性，又立即用MA部分抵消了它。这被称为参数冗余。 结果：在这个例子中，模型实际上退化为 yt ≈ε + c，即白噪声或常数模型。虽然拟合时数值算法可能收敛，但该模型是不稳定的，且过度参数化。这也是为什么AIC低但模型无效的原因。