文章目录
前言
预测中使用的模型取决于可用的资源和数据，竞争模型的准确性，以及预测模型的使用方式。
解释模型很有用，因为它包含了其他变量的信息，而不仅仅是要预测的变量的历史值。然而，预测者可能会选择一个时间序列模型，而不是解释性或混合性模型，原因有以下几点。
首先，系统可能不被理解，即使被理解，也可能极难测量假定支配其行为的关系。第二，为了能够预测感兴趣的变量，有必要知道或预测各种预测因子的未来值，而这可能太难了。第三，主要关注点可能只是预测会发生什么，而不是知道为什么会发生。最后，时间序列模型可能比解释模型或混合模型给出更准确的预测。
时间序列预测的基本步骤大致分为五步
一、问题定义
这往往是预测中最困难的部分。仔细定义问题需要了解预测的使用方式，谁需要预测，以及预测功能如何在需要预测的组织中发挥作用。预测员需要花时间与每一个参与收集数据、维护数据库和使用预测的人进行交谈，以进行未来规划。
二、收集信息
总是需要至少两种信息。
(a) 统计数据，和(b) 收集数据和使用预测的人积累的专业知识。
通常情况下，很难获得足够的历史数据来适应一个好的统计模型。在这种情况下，可以使用判断性预测方法。偶尔，由于被预测系统的结构变化，旧的数据将不太有用；那么我们可以选择只使用最新的数据。然而，请记住，好的统计模型会处理系统中的进化变化；不要不必要地丢弃好的数据。
三、初步（探索性）分析
总是从绘制数据图表开始。是否有一致的模式？有显著的趋势吗？季节性是否重要？是否有证据表明存在商业周期？数据中是否有需要由具有专家知识的人解释的异常值？可供分析的变量之间的关系有多强？
已经开发了各种工具来帮助进行这种分析。
四、选择和拟合模型
使用的最佳模型取决于历史数据的可用性、预测变量和任何解释变量之间关系的强度以及预测的使用方式。比较两个或三个潜在模型是很常见的。
每个模型本身就是一个人为的构造，它基于一组假设（明确的和隐含的），通常涉及一个或多个参数，必须使用已知的历史数据进行估计。例如有回归模型、指数平滑法、Box-Jenkins ARIMA模型、动态回归模型、层次预测法，以及包括神经网络和向量自回归的几种高级方法。
五、使用和评估一个预测模型
一旦选择了一个模型并估计了其参数，该模型就被用来进行预测。该模型的性能只有在预测期的数据可用后才能被正确评估。
已经开发了一些方法来帮助评估预测的准确性。在使用预测和采取行动方面也有一些组织性问题。
当在实践中使用预测模型时，会出现许多实际问题，如如何处理缺失值和离群值，或如何处理短的时间序列。这些都需要后续讨论。
标签：预测,模型,CSDN,使用,序列,打卡,数据,变量 来源： https://blog.csdn.net/m0_46374026/article/details/122454766
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。