预测在时间序列数据中始终保持不变

Question

我正在研究分层时间序列预测（python），当我尝试将 model 与我拥有的全部数据相匹配时，我可以看到对于某些功能的预测一直是恒定的。 我无法理解问题到底出在哪里以及解决此问题的可能方法是什么。 任何形式的帮助都会很棒。

提前致谢！！

Answer 1

我最近在没有季节性的分层时间序列预测中遇到了类似的问题，其中 90 个预测中的一个没有趋势，并且随着时间的推移没有变化，这是我的一组预测中的一个例外。

我已经实现了 Statsmodels Exponential Smoothing并且我已经大致按照 Jason Brownlee 关于如何网格搜索指数平滑的超级有用指南调整了超参数。

无论网格搜索如何，这个特定的预测都保持不变。

我在网格搜索中添加了一些额外的参数，例如，为了确定在我的分层预测中训练 90 个模型中的每一个的最佳数据点数量，并且我计算了同比的 Z 分数预测的百分比变化，跳过在给定参考期间的可能性小于 5% 的预测，即使它们的错误分数最低（这是必要的，因为 2020 年可能是我数据集中的异常值 - 时间会证明一切）。

再一次，它是平坦的。

好吧，也许我确实应该像 Rob Hyndman 在他的文章中建议的那样做，并在这个预测中添加随机噪声，以便用户对他们看到的内容更满意，即使这会增加错误。