我对一种（多变量）算法感兴趣，它可以识别相关的回归量（它们本身就是时间序列）来预测感兴趣的时间序列。这个问题的措辞是笼统的，因为这个算法应该应用于不同类型的时间序列。
对于经典数据，我会使用例如 LASSO 并使用那些非零系数的变量，但我不确定如何在（通用）时间序列上下文中做到这一点。原因是这里的每个指标可能与不同的滞后相关。此外，考虑先验未知的季节性模式可能很重要（该方法最好适用于每小时和每月的时间序列）。
CrossValidated 已经提出了类似的问题，例如，
但我没有找到满意的答案。我希望因此可以再次发布类似的问题。
随机森林已在此答案中提出。与 LASSO 一样，我不清楚如何在具有任意季节性模式的时间序列上下文中最佳地应用这些方法。
我不想使用互相关（如本答案中所建议的那样），因为我想考虑回归变量之间的协方差。
tsfresh 已在此答案中提出，但我看不出如何从该包中获得最相关的功能（即变量/回归加上滞后）。
欢迎任何有关 Python 或 R 库的提示。