用支持向量机预测时间序列的未来值

Question

我在R中使用支持向量回归来预测单变量时间序列的未来值。将历史数据分成测试集和训练集，使用R中的svm函数对测试数据建立模型，然后对训练数据使用predict()命令来预测训练集的值。然后我们可以计算预测误差。我想知道接下来会发生什么？我们有一个模型，通过对训练数据检查该模型，我们发现该模型是有效的。我如何使用这个模型来预测训练数据中的未来值？一般来说，我们在R中使用预测函数，并给它一个预测范围(h=12)来预测12个未来值。根据我所看到的，SVM的predict()命令没有这样的命令，需要一个训练数据集。我应该如何构建一个训练数据集来预测不在我们的历史数据集中的未来数据？

谢谢

Answer 1

不过是暗地里的一刀。支持向量机不是用来预测的，而是用来分类的，特别是有监督的。我猜你是在试着预测股票价值，不是吗？如何对您现有数据进行分类，使用您选择的某个大小，例如一次100个值，用于噪声(N)、向上(U)、向上(UU)、向下(D)和向下(DD)。通过这种方式，当你的数据到来时，你可以滑动你的分类框架，让它告诉你即将到来的趋势是N，U，UU，D，DD。

Answer 2

您可以做的是构建一个数据框架，其中包含表示实际股票价格及其n个滞后值的列。并将其用作训练集/测试集(实际值是输出，先前的值是解释变量)。使用这种方法，您可以对未来的预测进行1天(或其他粒度)的预测，然后可以使用您的预测进行另一次预测，依此类推。