我有多个部门（零售领域）的每周时间序列数据，并且根据一些研究，我正在自动为每个时间序列查找模型参数的过程。到目前为止，我已经在for循环中为每个时间序列实现了以下模型：
1）ARIMA（R中的auto.arima）
2）stlf（由于我有每周数据，因此无法使用R的ets函数）
3）TBATS
4）对ARIMA错误进行回归（使用傅立叶项）
5）基线模型：天真和均值
我想了解如何为每个时间序列选择模型。我对此有多种方法：
1）选择测试数据具有最低RMSE的模型（风险：测试数据过拟合）
2）在时间序列（tsCV）的交叉验证中，选择具有最低RMSE的最佳模型
3）在所有时间序列中选择一个模型族，根据该模型族在所有时间序列中给出的平均RMSE得分最低。
有什么方法可以改善我的方法？以上任何方法有什么缺点？有更好的方法吗？
非常感谢！
答案 0 :(得分：1)
使用上述所有预测方法预测数据，然后计算MAPE并检查哪个模型给出了最佳结果，然后使用该模型来预测数据。 另外，请尝试检查输入数据的不同数据转换，例如log，inverse等。