[笔记] 时间序列预测里的一些“专业术语”

（1）多步预测的基本策略

   对未来提前多步预测的基本策略是直接式（direct strategy）和迭代式
（recursive strategy，或 iterative strategy, iterated）。
   实际应用中，还可以将它们综合成 Direct-Recursive (DirRec), Multi-Input Multi-Output (MIMO) 和 Direct-MIMO (DIRMO) 等模式。

（2）预测模型输入变量的具体构成，训练模型的历史数据样本容量，预测的最大提前时间，预测误差的统计量（平均误差、均方根误差等）。

   模型定阶还没有通用性的理论方法。特别是从多维时间序列回归到一维时间序列预测的模型定阶。
   对于ARMA 模型定阶，有 AIC、BIC、FPE：Akaike’s information criterion (AIC) (Akaike 1973, 1974)； Bayesian information criterion (BIC) (Akaike 1977, Kashyap 1977, and Schwarz 1978. In fact, it can also be derived from a non-Bayesian argument such as in Rissanen 1980)； final prediction error criterion (FPE) (Akaike 1969)，
   样本容量优化还没有理论性的优化方法，只能人工试探。2013 年 Khalid 和 Savkin 在《IEEE Transactions on Power Systems》里写明的“Therefore, the optimal number of historical data points for the given data set was chosen based on manual trial-and-error methods. 优化的历史数据样本容量只能人工试探”。

              
（3）输入变量的数值，是实际观察值还是预报值？假如使用的是预报值，它们的误差对时间序列预报变量的影响？

   例如：电力短期负荷预测是否使用了天气信息？假如使用了天气信息，这些天气数据是历史观测值，还是对未来的预报值？天气预报误差对负荷预测误差的影响？……

一些小的经验：

   （1）时间序列预测结果的好坏，主要由时间序列自身的变化性质决定。预测模型的作用是第二位的。

   （2）需要过度优化结构与参数的模型，往往实际应用中的稳健性（抗干扰能力）偏差。

   （3）简单模型往往稳健性更好。线性预测模型的稳健性极好。

http://www.paper.edu.cn/releasepaper/content/200609-432

部分参考资料：
[1] Ida Kalate Ahani, Majid Salari, Alireza Shadman.  Statistical models for multi-step-ahead forecasting of fine particulate matter in urban areas [J]. Atmospheric Pollution Research, 2019, 10(3): ‏689-700. MAY 2019.
https://www.sciencedirect.com/science/article/pii/S1309104218305002
[2] Khalid M，Savkin A V．Closure to discussion on “A method for short-term wind power prediction with multiple observation points” [J]．IEEE Transactions on Power Systems，2013，28 (2)：1898-1899．
https://ieeexplore.ieee.org/document/6496180
[3] Jianqing Fan, Qiwei Yao. Nonlinear Time Series: Nonparametric and Parametric Methods [M]. New York: Springer Science+Business Media, Inc, 2005.
[4] 杨冠灿，2011-01-14，技术预测方法介绍
http://blog.sciencenet.cn/blog-357889-404328.html
[5] Bradley Efron, Trevor Hastie. Computer Age Statistical Inference: Algorithms, Evidence and Data Science [M]. Cambridge University Press, 2016.
http://web.stanford.edu/~hastie/CASI/

相关链接：
[1] 2021-02-03，往日（4）：组合预测之谜 forecast combination puzzle
http://blog.sciencenet.cn/blog-107667-1270404.html
[2] 2010-11-07，复杂系统行为预测的“机理+辨识”策略
http://blog.sciencenet.cn/blog-107667-381404.html
[3] 布拉德利·埃弗龙（Bradley Efron）：2005年美国国家科学奖章得主（统计学）
http://blog.sciencenet.cn/blog-107667-1065714.html

感谢您的指教！

感谢您指正以上任何错误！

感谢您提供更多的相关资料！