R 我如何在不同的预测模型族之间做出决定，以自动预测150个时间序列？

我有多个部门（零售领域）的每周时间序列数据，根据一些研究，我正在自动化为每个时间序列寻找模型参数的过程。到目前为止，我已经为for循环中的每个时间序列实现了以下模型：

1） ARIMA（R中的auto.ARIMA）

2） stlf（无法使用R的ets功能，因为我有每周数据）

3） TBATS

4） ARIMA误差回归（使用傅里叶项）

5） 基线模型：朴素&平均

我想了解如何为每个时间序列选择模型。我对此有多种方法：

1） 选择测试数据RMSE最低的模型（风险：测试数据拟合过度）

2） 选择RMSE最低的时间序列交叉验证最佳模型（tsCV）

3） 为所有时间序列选择一个模型系列，根据该系列在所有时间序列中给出最低平均RMSE分数

有什么方法可以改进我的方法吗？上述任何一种方法有什么缺点吗？还有更好的办法吗

---

非常感谢

使用上述所有预测方法预测数据，然后计算MAPE并检查哪个模型给出最佳结果，然后使用该模型预测数据。 还可以尝试使用不同的数据转换进行检查，如日志、反转等。。用于输入数据