小数据应该用什么时间序列模型？

常见的时间序列模型包括ARIMA模型、指数平滑模型和趋势模型。对于小样本量(样本数量

简单移动平均模型:

公式:

y _ t =(1/k)*(y _ { t-1 }+y _ { t-2 }+...+y _ {t-k})这里y _ t代表t时间点的观测值，k代表移动平均窗口的大小。示例:

假设您想要预测未来一个月的每日温度变化，并且您已经收集了过去10天的温度数据，如下所示:

28, 29, 30, 31, 32, 34, 35, 33, 32, 31

如果选择移动平均窗口大小k = 3，则可以计算11日的预测温度值:

y _ 11 =(1/3)*(35+33+32)= 100/3≈33.33

指数平滑模型:

公式:

Y_t =α* y _ t-1+(1-α)* yhat _ t-1这里，y _ t代表t时间点的观测值，α为平滑常数(0

示例:

假设您希望根据过去10天的销售数据预测下个月的每日销售变化，如下所示:

100, 110, 105, 120, 115, 125, 130, 135, 140, 150

如果选择平滑常数α = 0.2，则可以计算11日的销售预测值:

y _ 11 = 0.2 * 150+0.8 * 140 = 30+112 = 142