为什么我的 VAR 模型的 RMSE 变得更糟
Why does the RMSE gets worse with my VAR Model
我有一个每周汇总的数据集，我将其分为 80% 的训练和 20% 的测试。
我正在进行一步一步的头部预测。然而，随着长度变大，性能变得非常糟糕。那是正常的吗？
前几个步骤预计还可以。
Plot Description
这似乎是正常行为。您的模型的预测基于您的时间序列的最后观察。举个例子，10 月 1 日的预测是基于 9 月的值。现在，对于 10 月 1 日，您有 30 个来自 9 月的正确值。根据模型的好坏，预测值会稍微偏离真实值。当您预测 10 月 2 日时，您使用 9 月的 29 个正确值和之前预测的 10 月 1 日的值。这称为动态预测。此预测的预测误差现在被输入到模型中，这会影响 10 月 2 日的预测质量。如果您预测 10 月 3 日，您有 28 个正确的输入值，并且已经有两个略有偏差。
11 月的值将完全基于预测，10 月的所有预测误差都将输入模型。您对 7 月的预测基于基于预测等的预测。因此，您对未来的预测越远，预测就会变得越来越差，并且在某些时候它们往往会收敛成一条直线。
因此，您不能经常预测那么遥远的未来。 65 步离未来很远，我想这对 ARIMA/VAR.
来说太多了
我有一个每周汇总的数据集，我将其分为 80% 的训练和 20% 的测试。 我正在进行一步一步的头部预测。然而，随着长度变大，性能变得非常糟糕。那是正常的吗？ 前几个步骤预计还可以。 Plot Description
这似乎是正常行为。您的模型的预测基于您的时间序列的最后观察。举个例子，10 月 1 日的预测是基于 9 月的值。现在，对于 10 月 1 日，您有 30 个来自 9 月的正确值。根据模型的好坏，预测值会稍微偏离真实值。当您预测 10 月 2 日时，您使用 9 月的 29 个正确值和之前预测的 10 月 1 日的值。这称为动态预测。此预测的预测误差现在被输入到模型中，这会影响 10 月 2 日的预测质量。如果您预测 10 月 3 日，您有 28 个正确的输入值，并且已经有两个略有偏差。
11 月的值将完全基于预测，10 月的所有预测误差都将输入模型。您对 7 月的预测基于基于预测等的预测。因此，您对未来的预测越远，预测就会变得越来越差，并且在某些时候它们往往会收敛成一条直线。
因此，您不能经常预测那么遥远的未来。 65 步离未来很远，我想这对 ARIMA/VAR.
来说太多了