如何检验时间序列模型？

Question

我想知道测试时间序列模型的好方法是什么。假设我在时域t1，t2，...tN中有一个时间序列。我有输入，比如说，zt1，zt2，...ztN和输出x1，x2...xN。

现在，如果这是一个经典的数据挖掘问题，我可以使用已知的方法，如交叉验证，留一，70-30或其他方法。

但是我应该如何处理用时间序列测试我的模型的问题？我应该在第一个t1，t2，...t(N-k)输入上构建模型，然后在最后k个输入上测试它吗？但是，如果我们想要最大化对p步的预测，而不是k步(其中p< k)，该怎么办？我正在寻找一个健壮的解决方案，我可以应用于我的特定情况。

Answer 1

对于时间序列拟合，您需要小心，在开发模型之前不要使用样本外数据。建模的主要问题是它很容易过度拟合。

通常，我们所做的是使用70%的样本内建模，30%的样本外测试/验证。当我们在生产中使用模型时，我们每天收集的数据就变成了真实的样本外数据:那些你从未见过或使用过的数据。

现在，如果你有足够的数据点，我建议尝试滚动窗口拟合方法。对于样本中的每个时间步长，您可以回顾N个时间步长以适合您的模型，并查看模型中的参数如何随时间变化。例如，假设您的模型是线性回归，Y= B0 + B1*X1 + B2*X2。你可以对样本进行回归N- window_size时间。这样，您就可以了解Beta对时间的敏感度。

Answer 2

听起来你有两个选择

1. 使用前几年的数据创建模型，然后查看它对剩余年份的预测效果。
2. 使用输入条件的某个子集的所有年份数据，然后查看使用其余输入条件进行预测的效果。