如何測試時間序列模型？

Question

我想知道測試時間序列模型的好方法是什么。 假設我在時域t1，t2，... tN中有一個時間序列。 我有輸入，例如zt1，zt2，... ztN和輸出x1，x2 ... xN。

現在，如果這是一個經典的數據挖掘問題，我可以采用已知的方法，例如交叉驗證，留一法，70-30或其他方法。

但是，我應該如何解決按時間序列測試模型的問題？ 我是否應該在第一個t1，t2，... t（Nk）輸入上構建模型，並在最后k個輸入上進行測試？ 但是，如果我們想最大化對p個步長而不是k個步長（其中p <k）的預測。 我正在尋找一種可靠的解決方案，可以將其應用於我的特定案例。

Answer 1

聽起來您可以選擇

1. 使用前幾年的數據創建模型，然后查看其對剩余年份的預測情況。

2. 將所有年份的數據用於輸入條件的某些子集，然后查看其如何使用其余輸入條件進行預測。

Answer 2

隨着時間序列擬合，你必須要小心， 不要在你出的樣本數據，直到您開發的模型之后。 建模的主要問題在於，它很容易過度擬合。

通常，我們要做的是使用70％的樣本進行建模，使用30％的樣本外測試/驗證。 當我們在生產中使用該模型時，我們每天收集的數據將成為真實的樣本外數據：您從未見過或從未使用過的數據。

現在，如果您有足夠的數據點，建議您嘗試滾動窗口擬合方法。 對於樣本中的每個時間步，您將回顧N個時間步以適合模型，並查看模型中的參數如何隨時間變化。 例如，假設您的模型是線性回歸，其中Y = B0 + B1 * X1 + B2 * X2。 您將對樣本進行N-window_size時間的回歸。 這樣，您將了解Beta相對於時間的敏感程度。