私は、時系列モデルをテストするための良いアプローチは何だろうと思っています。時間領域t1、t2、... tNに時系列があるとします。私はzt1、zt2、... ztNという入力を持ち、x1、x2 ... xNを出力します。時系列モデルのテスト方法は？
これは古典的なデータマイニングの問題だったので、クロスバリデーション、leave-one-out、70-30などの既知のアプローチを使用することができました。
しかし、時系列でモデルをテストする問題にどのようにアプローチすればよいですか？最初のt1、t2、... t（N-k）の入力でモデルを構築し、最後のk個の入力でテストする必要がありますか？しかし、もしp段階前の予測を最大化し、k（p < k）ではなく、私は私の特定のケースに適用できる堅牢なソリューションを探しています。
、あなたがあなたのモデルを開発した後まで、アウト・オブ・サンプルデータを使用していないに注意する必要があります。モデリングの主な問題点は、オーバーフィットするのが簡単だということです。
典型的には、サンプル内モデリングに70％、サンプル外テスト/検証の30％を使用することです。また、本番モデルを本番環境で使用すると、日常的に収集するデータは真のサンプル外データとなります。見たことのないデータです。
データポイントが十分あれば、ローリングウィンドウフィッティングのアプローチを試してみることをおすすめします。サンプル内の各タイムステップについて、モデルに合うようにN時間ステップを振り返り、モデル内のパラメータが時間の経過とともにどのように変化するかを確認します。たとえば、モデルがY = B0 + B1 * X1 + B2 * X2の線形回帰であるとしましょう。あなたは回帰N - window_size時間をサンプル以上にするでしょう。このようにして、ベータが時間との関係においてどの程度敏感であるかを理解します。
あなたはそれが残りの年間予測してどれだけ見て、その後、モデルを作成するためにデータの最初の数年間を使用して
間の選択肢を持っているようですね。
入力条件のいくつかのサブセットに対して何年ものデータを使用して、残りの入力条件をどれだけうまく予測するかを確認します。フィッティング時系列で
特定のケースに対する堅牢なソリューションが必要ですが、ケースについてはほとんど特筆すべきことはありません。適切な_start_は、使用している見積もりのタイプを教えてください。 [CrossValidated]（http://stats.stackexchange.com/）であなたの質問に対するより良い回答を得ることができます。 –