Мысли: моделирование временных рядов с басней и перекрестной проверкой - PullRequest
Новая
       87

Мысли: моделирование временных рядов с басней и перекрестной проверкой

0 голосов
/ 23 января 2020

Я строю модель временного ряда, используя басню и перекрестную проверку, чтобы определить лучшее определение модели для использования. Есть ли риск моделирования 

model(ETS(GDP))

против 

model(ETS(GDP ~ error('A') + trend('A') + season('A')) and other ETS methods

Я спрашиваю об этом, потому что, когда я просматривал mable из **model(ETS(GDP))**, выбранная модель отличалась среди некоторых .id. Например, ETS (A, A, A) для id = 1, ETS (A, Ad, A) для id = 2, et c. Если это так, правильно ли определять все варианты ETS для обеспечения согласованности?

Вот пример, на который я ссылаюсь: 

# A mable: 7 x 5
# Key:     .id, LOB [7]
    .id LOB   ETS          ETS_Exponential ARIMA_Exponential     
  <int> <chr> <model>      <model>         <model>               
1     1 LG    <ETS(A,N,N)> <ETS(A,N,N)>    <ARIMA(0,0,1) w/ mean>
2     2 LG    <ETS(M,N,N)> <ETS(A,N,N)>    <ARIMA(0,0,1) w/ mean>
3     3 LG    <ETS(A,N,N)> <ETS(A,N,N)>    <ARIMA(0,0,1) w/ mean>
4     4 LG    <ETS(A,N,N)> <ETS(A,N,N)>    <ARIMA(0,0,1) w/ mean>
5     5 LG    <ETS(A,N,N)> <ETS(M,N,N)>    <ARIMA(0,0,1) w/ mean>
6     6 LG    <ETS(A,N,N)> <ETS(M,N,N)>    <ARIMA(0,0,0) w/ mean>
7     7 LG    <ETS(A,N,N)> <ETS(M,N,N)>    <ARIMA(0,0,0) w/ mean>

Спасибо.

1 Ответ

0 голосов
/ 23 января 2020

Почему вы хотите, чтобы модели были одинаковыми? Например, если вы хотите по какой-то причине сравнить параметры модели, то вам может потребоваться подогнать одну и ту же модель ко всем сериям. Но если вы просто хотите хорошие прогнозы, вам, вероятно, лучше иметь разные модели для разных серий - некоторые будут трендовыми, некоторые будут сезонными и т. Д. c., И вам, вероятно, нужно это учитывать.

Если вы сомневаетесь, вы можете попробовать оба подхода и посмотреть, какой из них дает наилучшие прогнозы (при условии, что именно здесь ваша конечная цель).

...