Я пытаюсь выяснить, какова общая c модель временного ряда (ARIMA / SARIMA / ARIMAX / SARIMAX). В качестве примера у меня есть модель одноразмерных временных рядов, которая считывает данные из файла, а затем проверяет лучшие значения pdq. Затем с использованием лучших значений pdq создается окончательная модель. То же самое используется для получения прогноза на 12 месяцев. Я хочу проверить, насколько хороша модель, выполнив (модифицировав метод) «оценку на скользящем прогнозируемом источнике» с многоэтапным прогнозированием на 12 месяцев. Как описано в https://otexts.com/fpp2/accuracy.html В настоящее время мы запускаем одну и ту же модель 12 раз со скользящим окном. Например, первая итерация, тренировка с точками от 1 до 60 и периоды прогноза от 61 до 72. Период второй итерации - от 1 до 59, прогноз от 60 до 71, и они продолжаются в течение 12 итераций. Затем мы вычисляем остаточную ошибку для всех этих прогнозов. У нас будет всего 12 (итерация) * 12 (многоступенчатый прогноз) = 144. Мы используем эти остаточные ошибки, чтобы проверить среднее значение и дисперсию, чтобы решить, насколько хороша / надежна модель. У меня есть два вопроса при выполнении итеративного тестирования для другого временного окна: должны ли мы делать это, сохраняя фиксированные значения pdq, или они должны изменяться автоматически с помощью функции auto arima. Второй вопрос: как выбрать между двумя нижеприведенными ... Когда обучать модель временных рядов (обучение означает сохранение фиксированных значений pdq, просто передавая новые значения в конце каждого месяца и обновляя их) VS Построить новую модель, проверив новые значения pdq и построим модель снова.