我需要自动进行时间序列预测,而且我事先不知道这些序列的功能(季节性,趋势,噪音等)。
我的目标不是为每个系列获得最佳模型,而是避免出现非常糟糕的模型。换句话说,每次都会出现小错误不是问题,但是偶尔会出现大错误是一个问题。
我认为我可以通过组合使用不同技术计算的模型来实现。
也就是说,尽管ARIMA对于特定系列来说是最好的方法,但对于其他系列来说可能不是最好的方法。指数平滑也一样。
但是,如果我将每种技术中的一个模型组合在一起,即使一个模型不太好,另一个模型也会使估算值更接近真实值。
众所周知,ARIMA在长期行为良好的序列中效果更好,而指数平滑在短期噪声序列中表现突出。
- 我的想法是结合使用两种技术生成的模型以获得更可靠的预测,这有意义吗?
可能有很多方法可以合并这些模型。
- 如果这是一个好方法,我应该如何将它们结合起来?
一个简单的预测平均值方法是一个选择,但是如果我根据模型的某种优度度量对平均值进行加权,也许可以得到更好的预测。
- 合并模型时对方差的处理方式是什么?