Лучший информационный критерий для модели ARIMA? - PullRequest
Новая
       21

Лучший информационный критерий для модели ARIMA?

0 голосов
/ 18 апреля 2019

Я использую модель ARIMA с python: 

from statsmodels.tsa.statespace.sarimax import SARIMAX

model = SARIMAX(x, order=(p, d, q),
                            enforce_stationarity=False,
                            enforce_invertibility=False).fit(disp=False)

Я хочу сравнить некоторые модели с различными параметрами друг с другом и выбрать модель с меньшим количеством регрессоров (выберите более простую модель).

Какие информационные критерии я должен использовать.Я читал об AIC и BIC.И я читал, что BIC лучше, чем AIC, выбрать более простую модель ARMA, но что лучше всего с ARIMA?

Может быть, я должен использовать другие критерии информации, такие как HQIC?

Буду благодарен за полезнуюссылки.

1 Ответ

1 голос
/ 19 апреля 2019

Я не думаю, что есть общий ответ на ваш вопрос.В R есть функция auto.arima, написанная Робом Хиндманом: он использует AICc.Вы можете прочитать все об этом в его онлайн-книге (глава 8.7).

Обратите внимание, что классические информационные критерии (AIC, BIC и т. Д.) Не позволяют сравнивать модели ARIMA с другим параметром d.или D (так как количество полезных наблюдений зависит от d и D). Здесь - это список вещей, которые следует учитывать при работе с информационными критериями.

Поэтому, в конечном счете, окончательный выбор модели может (по моему опыту) не основываться на одной простой фигуре,Скорее окончательный выбор должен подтверждаться различными диагностическими графиками и информационными критериями.

...