一般来说，是否有一种“最合适”的方法可以在时间序列上下文中执行模型选择以进行预测？

人们可以在文献中找到不同信息标准 (IC) 的丛林。仅举几例：AIC、AICc、AICu、MAIC、TIC、FPE、FPEu、Mallow's Cp、SIC、HQ、HQc、EIC ......在时间序列模型选择的背景下，这些标准（理论上或经验上，甚至只是定性）？

此外，据我了解，IC 可用于执行超参数调整/变量选择（例如，我可以使用 AIC 找到最好的$p^*$和$q^*$对于 ARMA$(p,q)$模型，但我无法比较 ARIMA 的 AIC 值$(1,1,1)$与 ARIMA 一样$(1,2,1)$由于差异的顺序，我也无法将 ARMA 与 ETS 进行比较）。在执行模型选择而不是变量选择的方法上参考 IC 是否不正确？那么我是否只剩下滚动预测原点 CV（或其他修改后的 CV）来实际进行严格意义上的模型选择？

最后，如果是这样的话，IC 和 LASSO 方法似乎是直接竞争？最好的 IC 的性能与 LASSO 相比如何？更具体地说，“哪个”套索？事实上，我会假设它对我们选择正则化参数的方式有很大的影响$\lambda$: 选择不是-例如-多余的吗$\lambda$通过IC（比如AIC）？

将不胜感激任何先前问题或参考资料的答案。