我目前正在使用VAR模型对月度销售数据集(MAPE为19.08)进行MTS[多元时间序列]预测。请在下面找到我的数据分布
培训:36个月
测试:12个月
MAPE:19.08
我想进一步优化模型,并尝试了基于最小AIC分数的几乎各种lag/order[differentiation]
组合&;最小MAPE分数
approach: diff, order: 1, lag: 1, MAPE: 28.07, AIC: 41.3
approach: diff, order: 1, lag: 2, MAPE: 35.07, AIC: 32.89
approach: diff, order: 1, lag: 3, MAPE: 35.60, AIC: -270.1
approach: log, order: 0, lag: 1, MAPE: 24.27, AIC: -94.28
approach: log, order: 0, lag: 2, MAPE: 31.32, AIC: -130.50
approach: log, order: 0, lag: 3, MAPE: 21.02, AIC: 14.02
approach: log-diff, order: 1, lag: 1, MAPE: 25.31, AIC: -491.07
approach: log-diff, order: 1, lag: 2, MAPE: 24.31, AIC: -498.85
approach: log-diff, order: 1, lag: 3, MAPE: 24.68, AIC: -489.60
我想了解更多关于VAR模型的进一步优化技术或技巧。欢迎任何与绩效改进相关的建议
您可以尝试以下几种方法:
而不是采取所有的自变量。尝试因果检验和相关性,只使用似乎对目标变量影响更大的变量
尝试对类似的自变量应用PCA,而不是删除列
相关问题 更多 >
编程相关推荐