我有一系列 700个可能的变量来解释（Y），它们都是连续变量。这700个变量是滞后的，并且计算了过去12个月的新滞后变量，因此从最初的700个开始，我们最终得到8200个可能的变量来解释（Y）过程。有110个可用的障碍物，在消除N / A数据后仅使用98个。
要执行自适应套索，我首先需要计算岭回归中的最佳Beta系数，并将它们作为在岭之后应用的Lasso的额外惩罚。这个过程可以通过glmnet包完成。
但是， Glmnet CV函数似乎不适合时间序列，因为滞后变量中涉及的一些信息可能会在一些折叠上应用CV时被破坏。在滚动窗口和样本内数据中进行CV或留下一个CV可能更合适。
我从R中找到了一些执行其中一些要求的软件包，但到目前为止我发现的软件包在时间序列所需的CV过程中失败了。
这是我遇到的一些缺点。
Glmnet ，似乎使用CV不适合时间序列，因为一些滞后信息/属性在CV折叠中丢失。
HDeconometrics ，似乎有正确的CV过程，但我无法从github安装到R中，而且我似乎没有多少人使用它。
install_github（ “gabrielrvsc / HDeconometrics”） FAILED
Msgps ：似乎直接运行Adaptive Lasso但没有控制CV的选项，我不确定正在执行什么类型的CV。
BigVar ，似乎使用了精彩的CV流程，但更专为VAR而设计。可以在滚动窗口策略中使用CV或留出一个。
有没有人通过我提到的软件包知道其他软件包或可能的解决方案？
提前感谢您的帮助