lowess 或 loess 的问题在于它使用多项式插值。在预测中众所周知，多项式在尾部具有不稳定的行为。插值时，分段 3 次多项式可提供出色且灵活的趋势建模，而外插超出观察数据范围时，它们会爆炸。如果您在时间序列中观察到后来的数据，您肯定需要在样条曲线中包含另一个断点以获得良好的拟合。

然而，预测模型在文献的其他地方得到了很好的探索。卡尔曼滤波器和粒子滤波器等滤波过程提供了出色的预测。基本上，一个好的预测模型将是任何基于马尔可夫链的模型，其中时间不被视为模型中的参数，而是使用先前的模型状态来通知预测。