想法：带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。 建模有风险吗

model(ETS(GDP))

对比

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

我问这个是因为当我仔细阅读**model(ETS(GDP))** ，选择的模型在某些 .id 中是不同的。 例如，ETS(A, A, A) 表示 id = 1，ETS(A, Ad, A) 表示 id = 2 等。如果是这种情况，定义 ETS 的所有变体以便确保一致性？

这是我指的一个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，如果您只想要良好的预测，您可能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。

如果有疑问，您可以尝试两种方法，看看哪一种给出了最好的预测（假设这是您的最终目的）。