Quindi ho imparato a fare previsioni durante questa estate e ho utilizzato il libro di Rob Hyndman Previsione: principi e pratica. Sto usando R, ma le mie domande non riguardano il codice. Per i dati che ho utilizzato, ho scoperto che una previsione media di più modelli ha prodotto livelli di precisione più elevati rispetto a qualsiasi modello unico da solo.
Recentemente ho letto un blog che parlava di metodi di previsione della media e assegnazione di pesi. Quindi, nel mio caso, diciamo che assegno 11 diversi modelli al mio set di dati (Arima, ETS, Holt Winters, ingenuo, snaive e così via) e voglio fare la media di alcuni di questi per ottenere una previsione. Qualcuno ha avuto esperienza con questo o può indicarmi un articolo che potrebbe fornire alcune informazioni sul modo migliore per farlo?
Al momento, sto usando la convalida incrociata e Mean Absolute Error per capire quali modelli funzionano meglio e quali hanno prestazioni peggiori. Posso persino usarlo per identificare il k # principale di modelli.
Immagino che le mie domande siano
1) Quanti modelli suggeriresti di selezionare? (2,3,4,5,6, ecc.)
2) Qualche idea sui pesi? (50% al migliore, 25% al secondo migliore, 15% al terzo migliore, 10% al 4 ° migliore, ecc.)
3) Alcuni di questi modelli di previsione sono ridondanti e non dovrebbero essere inclusi ? (Arima, snaive, naive, HW's "additive", ETS, HoltWinters smoothing esponenziale, HoltWinters smoothing w / trend, HoltWinters w / trend / seasonality, multiple regression)