Topluluk zaman serisi modeli

Zaman serisi tahminini otomatikleştirmem gerekiyor ve bu serilerin özelliklerini (mevsimsellik, trend, gürültü, vb.) Önceden bilmiyorum.

Amacım her dizi için mümkün olan en iyi modeli elde etmek değil, oldukça kötü modellerden kaçınmaktır. Diğer bir deyişle, her seferinde küçük hatalar almak sorun değil, arada sırada büyük hatalar almaktır.

Bunu farklı tekniklerle hesaplanan modelleri birleştirerek başarabileceğimi düşündüm.

Yani, ARIMA belirli bir seri için en iyi yaklaşım olsa da, başka bir seri için en iyi seçenek olmayabilir; üstel yumuşatma için aynıdır.

Bununla birlikte, her bir teknikten bir modeli birleştirirsem, bir model çok iyi olmasa bile, diğeri tahmini gerçek değere yaklaştırır.

ARIMA'nın uzun vadeli iyi kalpli seriler için daha iyi çalıştığı iyi bilinirken, üstel yumuşatma kısa süreli gürültülü serilerle öne çıkıyor.

• Benim fikrim daha sağlam tahminler elde etmek için her iki teknikten üretilen modelleri birleştirmek, mantıklı mı?

Bu modelleri birleştirmenin birçok yolu olabilir.

• Bu iyi bir yaklaşımsa, bunları nasıl birleştirmeliyim?

Tahminlerin basit bir ortalaması bir seçenektir, ancak ortalamanın modelin bazı iyilik ölçüsüne göre ağırlıklandırılması durumunda belki daha iyi tahminler alabilirim.

• Modelleri birleştirirken varyansın tedavisi ne olur?

Tahminleri birleştirmek mükemmel bir fikirdir. (Bunun akademik tahmincilerin üzerinde anlaştığı birkaç şeyden biri olduğunu söylemek abartı değil.)

Bir süre önce, tahminleri birleştirirken ağırlıklandırma için farklı yollara bakarak bir kağıt yazdım: http://www.sciencedirect.com/science/article/pii/S0169207010001032 Temel olarak, (Akaike) ağırlıkları kullanmak kombinasyonları sürekli olarak iyileştirmedi basit veya kesilmiş / winsorized araçlar veya medyanlar üzerinde, bu yüzden kişisel olarak belirli bir fayda sağlayamayacak karmaşık bir prosedür uygulamadan önce iki kez düşünürdüm (yine de, kombinasyonların seçim kriterlerini tutarlı bir şekilde bilgi kriterlerine göre daha iyi performans gösterdiğini hatırlayın). Bu elbette sahip olduğunuz belirli zaman serilerine bağlı olabilir.

Yukarıdaki makalede tahmin aralıklarını birleştirmeye baktım, ancak varyansı bu şekilde birleştirmeye bakmadım. Bu odak ile IJF'de çok uzun olmayan bir makaleyi hatırlıyorum , bu yüzden IJF'nin geri sorunları aracılığıyla "birleştirmek" veya "kombinasyon" aramak isteyebilirsiniz.

Tahminleri birleştirmeyi inceleyen birkaç makale daha (1989'dan, ancak bir gözden geçirme) ve burada ve burada (ayrıca yoğunluklara da bakar) ve burada ve burada. Bunların birçoğu, tahmin kombinasyonlarının neden seçilen tek modellerden daha iyi performans gösterdiğini hala iyi bilmemektedir. İkinci ve son makale M3 tahmin yarışmasında; temel bulgularından biri, (çeşitli şekillerde kombinasyonun doğruluğu, ortalama olarak, birleştirilen spesifik yöntemlerden daha iyi performans gösterir ve diğer yöntemlerle karşılaştırıldığında iyi sonuç verir). Bu makalelerin sonuncusu, kombinasyonların mutlaka tek modellerden daha iyi performans göstermediğini, ancak felaket başarısızlığı riskini önemli ölçüde azaltabildiğini bulmaktadır (bu, hedeflerinizden biridir). Daha literatür içinde kolayca bulunması gerektiğini Öngörü International Journal , Tahmin Journal ve ekonometri veya tedarik zinciri literatüründeki daha spesifik uygulamalar için.

Neden daha fazla belirtmiyorsunuz? Üreteceğiniz herhangi bir modelin belirli bir seçimden daha iyi veya yeterince iyi olabileceğini düşünmüyorum.

Bununla birlikte, seçimlerinizi test edebileceğiniz seçeneklere biraz daraltabilirseniz ve veri girişi standartlaştırılabilirse, neden R'de otomatik bir test prosedürü yazmıyorsunuz?

Verilerinizin beş model ve bir "yedek" tarafından tahmin edilmek üzere bir aralığa düşeceğine karar verdiğinizi varsayalım. Girişi farklı testlerle karakterize edebileceğinizi varsayalım. Sonra devam edin ve bunu sizin için çalıştıran bir R (veya bunun gibi bir program) algoritması yazın. Bu, test verilerine dayanarak hangi modelin çalıştırılacağı bir akış şeması üretebiliyorsanız, yani karar ağacının herhangi bir noktası ikili ise işe yarar.

Karar ikili olmayabileceğinden bu bir seçenek değilse, geçerli testlere dayalı bir derecelendirme sistemi uygulamanızı ve sonuçların aradığınız şey olup olmadığını görmek için ızgarada bazı "uç durumlar" simüle edilmiş verileri çalıştırmanızı öneririm.

Bunları açık bir şekilde birleştirebilirsiniz, örneğin durağan olmayanlık için test kesin bir evet-hayır verebilir, diğer özellikler ise çoklu bağlantı gibi bir aralığa düşebilir.
Bunu önce kağıda çizebilir, sonra inşa edebilir, olmasını beklediğiniz bilinen dağılımlarla simüle edebilirsiniz.

Daha sonra yeni veriler her geldiğinde R programını çalıştırın. Birkaç modeli elinizin altında bulunan hesaplama yetenekleri ile birleştirmeye gerek görmüyorum.

İki tahmin yöntemini birleştirmek için güzel ve basit bir formül vardır, sadece birincisini bir diğeriyle (1 - a) çarparak ağırlıklandırırsınız, burada a bu kombine tahminin varyansını en aza indirerek bulunur. Her iki öngörme yönteminin hatalarını da bildiğiniz gibi, "a" ya bağlı kombinasyonun hatalarını hesaplayabilirsiniz. Her yöntemin ortalaması = 0 olduğunda hesaplama basittir. 2'den fazla yöntemi birleştirmek için formüller, analitik olarak "elle" hesaplayabilmeniz veya EXCEL'den Çözücü seçeneğini kullanabilmeniz açısından "basit" tir.