如何在不同的预测模型系列之间做出决定以自动预测 150 个时间序列？答案

【问题标题】：How do I decide between different forecasting model families to automate forecasting for 150 time series?如何在不同的预测模型系列之间做出决定以自动预测 150 个时间序列？
【发布时间】：2020-07-24 18:43:20
【问题描述】：

我有多个部门（零售领域）的每周时间序列数据，并且基于一些研究，我正在自动化为每个时间序列查找模型参数的过程。到目前为止，我已经在 for 循环中为每个时间序列实现了以下模型：

1) ARIMA（R 中的 auto.arima）

2) stlf（不能使用 R 的 ets 函数，因为我有每周数据）

3) 待定

4) ARIMA 错误的回归（使用傅立叶项）

5) 基线模型：朴素和平均

我想了解如何为每个时间序列选择模型。我有多种方法：

1) 选择测试数据上 RMSE 最低的模型（风险：测试数据过拟合）

2) 在时间序列的交叉验证 (tsCV) 上选择具有最低 RMSE 的模型

3) 为所有时间序列选择一个模型族，根据哪个族在所有时间序列中的平均 RMSE 得分最低。

有什么方法可以改进我的方法吗？上述任何方法有什么缺点吗？有更好的方法吗？

非常感谢！

【问题讨论】：

标签： r time-series forecasting arima forecast

【解决方案1】：

使用上述所有预测方法预测您的数据，然后计算 MAPE 并检查哪个模型提供最佳结果，然后使用该模型来预测您的数据。还可以尝试检查不同的数据转换，如对数、逆等。

【讨论】：