Time series 思考：寓言和交叉验证的时间序列建模

我正在使用fable和交叉验证构建一个时间序列模型，以确定要使用的最佳模型定义。是否存在建模的风险

model(ETS(GDP))

vs

我这样问是因为当我仔细阅读

**模型（ETS（GDP））***

中的mable时，选择的模型在一些.id中是不同的。例如，id=1的ETS（A、A、A），id=2的ETS（A、Ad、A）等。如果是这种情况，为确保一致性，定义ETS的所有变体是否正确

我指的是一种可能：

# A mable: 7 x 5
# Key:     .id, LOB [7]
    .id LOB   ETS          ETS_Exponential ARIMA_Exponential     
  <int> <chr> <model>      <model>         <model>               
1     1 LG    <ETS(A,N,N)> <ETS(A,N,N)>    <ARIMA(0,0,1) w/ mean>
2     2 LG    <ETS(M,N,N)> <ETS(A,N,N)>    <ARIMA(0,0,1) w/ mean>
3     3 LG    <ETS(A,N,N)> <ETS(A,N,N)>    <ARIMA(0,0,1) w/ mean>
4     4 LG    <ETS(A,N,N)> <ETS(A,N,N)>    <ARIMA(0,0,1) w/ mean>
5     5 LG    <ETS(A,N,N)> <ETS(M,N,N)>    <ARIMA(0,0,1) w/ mean>
6     6 LG    <ETS(A,N,N)> <ETS(M,N,N)>    <ARIMA(0,0,0) w/ mean>
7     7 LG    <ETS(A,N,N)> <ETS(M,N,N)>    <ARIMA(0,0,0) w/ mean>

#mable:7 x 5
#密钥：.id，LOB[7]
.id LOB ETS_指数ARIMA_指数
1 1 LG
2.2 LG
3.3 LG
4磅
5克
6克
7 LG

---

谢谢。

为什么您希望模型相同？例如，如果出于某种原因希望比较模型参数，则可能希望将同一模型拟合到所有系列。但是，如果你只是想得到好的预测，那么最好对不同的系列使用不同的模型——有些是趋势性的，有些是季节性的，等等，你可能需要考虑到这一点

---

如果有疑问，您可以尝试这两种方法，看看哪种方法能给出最好的预测（假设这就是您的最终目的）。

感谢您的回复。

# A mable: 7 x 5
# Key:     .id, LOB [7]
    .id LOB   ETS          ETS_Exponential ARIMA_Exponential     
  <int> <chr> <model>      <model>         <model>               
1     1 LG    <ETS(A,N,N)> <ETS(A,N,N)>    <ARIMA(0,0,1) w/ mean>
2     2 LG    <ETS(M,N,N)> <ETS(A,N,N)>    <ARIMA(0,0,1) w/ mean>
3     3 LG    <ETS(A,N,N)> <ETS(A,N,N)>    <ARIMA(0,0,1) w/ mean>
4     4 LG    <ETS(A,N,N)> <ETS(A,N,N)>    <ARIMA(0,0,1) w/ mean>
5     5 LG    <ETS(A,N,N)> <ETS(M,N,N)>    <ARIMA(0,0,1) w/ mean>
6     6 LG    <ETS(A,N,N)> <ETS(M,N,N)>    <ARIMA(0,0,0) w/ mean>
7     7 LG    <ETS(A,N,N)> <ETS(M,N,N)>    <ARIMA(0,0,0) w/ mean>