我刚刚开始研究预测方法，我想弄清楚通常如何衡量绩效。我的直觉是样本外的性能是最重要的（你想看看你的模型对看不见的数据的表现如何）。我还注意到，如果您的样本外数据太大，预测性能不会很好（这意味着您未来走得越远，您的模型表现良好的可能性就越小）。所以我想知道如何确定要测试的样本外数据的最佳大小？
问问题
115 次
1 回答
1
我认为您将预测范围与样本外数据混淆以测试预测性能，当您说“我还注意到，如果您的样本外数据太大，预测性能不会很好” . 当您进行预测时，您通常对某个预测范围感兴趣。例如，如果您有一个每月频率的时间序列，您可能对 1 个月（短期预测）或 12 个月（长期预测）感兴趣。因此，预测性能通常会随着预测范围的延长而恶化，而不是随着更多的样本外数据而恶化。很难建议您测试模型的观察次数，因为这取决于您希望如何评估预测。如果你想使用一些正式的统计测试，那么你需要更多的观察，但是，如果您对预测某个事件感兴趣并且您只对单个模型的性能感兴趣，那么您可以接受相对较少的样本外观察。希望这会有所帮助，保罗
于 2015-08-19T09:02:22.707 回答