利用ARIMA参数将时间序列转化为有监督学习

Question

当预测时间序列时，人们可以将问题从经典的时间序列(ARIMA模型)转变为监督学习(通过添加滞后特征)。

当时间序列很长，并将其转换为有监督的学习时，最终会有许多特性。

如果我们之前做过ARIMA建模，并找到了AR，I，MA，参数。

我们可以使用这些知识/参数来选择滞后特征的子集吗？

Answer 1

是。可能是有用的。如果通过使用acf、pacf找到滞后模式，则可以生成滚动均值或中间值时间序列，作为特征工程的一部分。并利用组合特征进行监督学习。

然而，需要注意的关键问题之一是:基于时间序列的交叉验证在开始时为了避免数据泄漏，其他明智的度量方法将是不合理的。