W pytaniu, które zadałem niedawno , powiedziano mi, że ekstrapolacja za pomocą lessa była dużym „nie-nie”. Ale w najnowszym artykule Nate'a Silvera na FiveThirtyEight.com omówił wykorzystanie lessu do prognozowania wyborów.
Z lesssem omawiał specyfikę agresywnych i konserwatywnych prognoz z lesssem, ale jestem ciekawy, czy trafne jest przewidywanie przyszłych prognoz z lesssem?
Interesuje mnie również ta dyskusja i jakie są inne alternatywy, które mogą przynieść podobne korzyści.
Odpowiedzi:
Problem z lowess lub loess polega na tym, że wykorzystuje on interpolację wielomianową. W prognozowaniu dobrze wiadomo, że wielomiany mają zmienne zachowanie w ogonach. Podczas interpolacji fragmentaryczne wielomiany trzeciego stopnia zapewniają doskonałe i elastyczne modelowanie trendów, a ekstrapolując poza zakres obserwowanych danych, wybuchają. Gdybyś zaobserwował późniejsze dane w szeregach czasowych, na pewno musiałbyś uwzględnić kolejny punkt przerwania w splajnach, aby uzyskać dobre dopasowanie.
Modele prognostyczne są jednak dobrze zbadane w innych miejscach literatury. Proces filtrowania, taki jak filtr Kalmana i filtr cząstek stałych, zapewnia doskonałe prognozy. Zasadniczo dobrym modelem prognostycznym będzie cokolwiek opartego na łańcuchach Markowa, w których czas nie jest traktowany jako parametr w modelu, ale poprzednie stany modelu służą do informowania prognoz.
źródło