思想：具有寓言和交叉验证的时间序列建模

Question

我正在使用寓言和交叉验证构建时间序列模型以确定要使用的最佳模型定义。有没有做模特的风险

model(ETS(GDP))

对

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

我问这个是因为当我细读 **model(ETS(GDP))** 中的 mable 时，某些 .id 中选择的模型不同。例如，对于 id = 1 的 ETS(A, A, A)，对于 id = 2 的 ETS(A, Ad, A) 等。如果是这种情况，定义 ETS 的所有变体是否正确，以便确保一致性？

这里是我指的 mable:

# 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>

谢谢。

Answer 1

为什么您希望模型相同？例如，如果您出于某种原因想要比较模型参数，那么您可能希望将同一模型拟合到所有系列。但是，如果您只是想要好的预测，您最好为不同的系列使用不同的模型——有些是趋势性的，有些是季节性的，等等，您可能需要考虑到这一点。

如有疑问，您可以尝试这两种方法，看看哪一种方法的预测效果最好（假设这是您的最终目的）。

思想：具有寓言和交叉验证的时间序列建模

Thoughts: time series modeling with fable and cross validation

time-series

cross-validation

fable-r

tidyverts