Как выбрать между различными семействами моделей прогнозирования для автоматизации прогнозирования для 150 временных рядов?

Question

У меня есть еженедельные данные временных рядов для нескольких отделов (домен розничной торговли), и на основе некоторых исследований я автоматизирую процесс поиска параметров модели для каждого временного ряда. До сих пор я реализовал следующие модели для каждого временного ряда в a для l oop:

1) ARIMA (auto.arima в R)

2) stlf (не могу использовать R Это функция, так как у меня есть еженедельные данные)

3) TBATS

4) Регрессия ошибок ARIMA (с использованием терминов Фурье)

5) Базовые модели: наивные и средние

Я хочу понять, как выбирать модели для каждого временного ряда. У меня есть несколько подходов к этому:

1) Выберите модель с самым низким среднеквадратичным средним значением по тестовым данным (риск: перегрузка по тестовым данным)

2) Выберите модель с самым низким среднеквадратичным средним значением по перекрестной проверке временной ряд (tsCV)

3) Выберите одно семейство моделей для всех временных рядов, в зависимости от того, какое семейство дает наименьший средний балл RMSE по всем временным рядам.

Есть ли способы улучшить мой подход? Есть ли недостатки у любого из вышеперечисленных подходов? Есть ли лучший подход?

Большое спасибо!

Answer 1

Прогнозируйте ваши данные всеми методами прогнозирования, упомянутыми выше, после этого рассчитайте MAPE и проверьте, какая модель дает наилучшие результаты, а затем используйте эту модель для прогнозирования ваших данных. Также попробуйте проверить с различными преобразованиями данных, такими как log, inverse, et c .. для ваших входных данных.