使用支持向量机预测时间序列的未来值

Question

我在R中使用支持向量回归来预测单变量时间序列的未来值。将历史数据拆分为测试和训练集，我通过在R中使用svm函数来找到测试数据的模型，然后使用带有列车数据的predict（）命令来预测列车集的值。然后我们可以计算预测误差。我想知道会发生什么？我们有一个模型，通过检查列车数据的模型，我们看到模型是有效的。如何使用此模型预测列车数据中的未来值？一般来说，我们在R中使用预测函数并给出预测范围（h = 12）来预测12个未来值。基于我所看到的，SVM的predict（）命令没有这样的命令，需要一个训练数据集。我应该如何建立一个列车数据集来预测未在我们的历史数据集中的未来数据？

由于

Answer 1

只是在黑暗中刺伤...... SVM不是用于预测，而是用于分类，特别是监督。我猜你是在试图预测股票价值，不是吗？对于噪声（N），向上（U），向上（UU），向下（D）和向下（DD），使用您选择的一些大小，一次说100个值，如何对现有数据进行分类。通过这种方式，当您的数据进入时，您可以滑动分类框并告诉您即将到来的趋势是N，U，UU，D，DD。

Answer 2

您可以做的是构建一个数据框，其中的列代表实际股票价格及其n个滞后值。并将其用作列车集/测试集（实际值是输出，前面的值是解释变量）。使用此方法，您可以在未来的预测中执行1天（或任何粒度），然后您可以使用预测来制作另一个，依此类推。