如何计算持续期间的预测误差(置信区间)?

机器算法验证 置信区间 预测
2022-01-28 14:41:06

我经常需要在月度系列数据中预测未来期间。

可以使用公式来计算时间序列中下一个时期的 alpha 置信区间,但这从不包括如何处理第二个时期和第三个时期等。

我会在视觉上想象,如果任何预测是用上下置信区间绘制的,通常这些区间应该相对于平均预测呈指数增加或减少,因为不确定性是一种累积力。

假设我的单位销售为 4 月 = 5 月 10 日 = 6 月 8 日 = 7 月 11 日 = 13 并且没有其他背景,例如季节性或人口数据

我们需要预测(尽管是盲目的)八月、九月、十月。

你会用什么方法?更重要的是,您将如何衡量 9 月和 10 月的信心?

抱歉,对于某些专家来说,这可能是一个简单的问题——我一直在努力寻找一个明确的答案,我相信这是所有像我这样的业余爱好者都想了解的东西。

1个回答

计算预测区间有很多狭窄的方面:数据生成过程和用于描述此过程的模型(时间序列模型,回归模型),您的数据是否静止(对于这种类型,您的结论是错误的,因为静止数据不倾向于运行远离其平均值)或爆炸性(对于集成过程,您将看到您所描述的内容)。我认为 Chris Chatfield 关于预测区间的出色评论将回答您的大部分问题。

关于单位销售:

  • 由于您的预测间隔很短,您可以尝试通过指数平滑进行预测(在 R 中,它是ets()来自 的函数forecast
  • 另一种选择是像 ARIMA 过程一样对其进行建模(同一个库具有auto.arima()
  • 然而,在微观计量经济学中,回归模型比非理论模型更可取,但在短期内它们不一定会超过前两个

这两种情况都有计算预测区间的公式,并在上述评论中进行了讨论(通常假设残差的正态性,但这不是关键假设)。