如何測試時間序列模型？

我想知道測試時間序列模型的好方法是什麼。假設我在時間域t1，t2，... tN中有一個時間序列。我有輸入，比如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，我可以使用已知的方法，如交叉驗證，一次性退出，70-30或其他方法。如何測試時間序列模型？

但是，我應該如何處理測試我的模型與時間序列的問題？我應該在第一個t1，t2，... t（N-k）輸入上建立模型，並在最後k個輸入上測試它嗎？但是，如果我們想要最大化預測，而不是k（其中p爲< k）。我正在尋找一個強大的解決方案，我可以將其應用於我的具體案例。

來源

2011-01-24 Grega Kešpret

您希望爲您的特定案例提供強大的解決方案，但您對案例的具體情況很少。一個好的_start_將告訴我們你正在使用什麼類型的估計器。您可以在[CrossValidated]（http://stats.stackexchange.com/）上獲得更好的問題答案。 – 2011-01-24 15:29:33

隨着時間序列擬合，你需要小心不使用外的樣本數據，直到後您開發的模型。建模的主要問題是它很容易過度配合。

通常我們所做的是將70％用於樣本內建模，30％用於樣本外測試/驗證。而當我們在生產中使用該模型時，我們每天收集的數據成爲真正的樣本外數據：您從未見過或使用過的數據。

現在，如果您有足夠的數據點，我會建議嘗試滾動窗口擬合方法。對於樣本中的每個時間步，您回顧N個時間步以適合您的模型，並查看模型中的參數隨時間的變化。例如，假設您的模型是線性迴歸，Y = B0 + B1 * X1 + B2 * X2。你會在樣本上做N - window_size迴歸。這樣，你就明白了貝塔斯對時間的敏感程度。

來源

2011-01-24 19:45:08 jbremnant

這聽起來像你有

之間進行選擇使用的前幾年數據的創建模型，然後看看它如何預測殘生。
對輸入條件的某個子集使用所有年份的數據，然後使用剩餘的輸入條件預測其預測效果如何。

來源

2011-01-24 17:10:30

如何測試時間序列模型？

回答

相關問題