如果您计划使用拟合模型进行预测,一个好的做法是评估模型的预测能力。样本内拟合良好的模型不能保证预测良好。例如,过拟合会导致良好的样本内拟合,但预测性能较差。
在检查预测性能时,重要的是不要重复使用数据。也就是说,用于拟合模型的数据应该与用于评估预测的数据不同。您可以使用交叉验证来评估样本外预测能力:
将时间序列分为两部分:训练集和验证集。
为你的训练数据建立模型。
在验证期内预测拟合模型。
使用图和数值摘要(如预测均方误差)将预测结果与持久性验证观测结果进行比较。
预测均方误差(PMSE)衡量模型预测与观测数据之间的差异。假设你有一个长度的时间序列N,你放在一边米验证点,表示 .在把你的模型装到第一个之后N- - - - - -米数据点(训练集),生成预测
模型PMSE计算为
你可以计算PMSE的各种选择米验证结果的稳健性。