關於可預測性(forecastability)
關於可預測性可以有好幾種不同的解釋。 1. 數列穩定性的評估 2. 預測時間序列時，準確率的程度 3. 在用一種時間序列方法，我們估計它 MAPE 的期待範圍的精確度 穩定性概念與預測精準率很清楚是相關的。當一個數列變得較沒那麼穩定時，我們可以預期預測準確率也會變得較差。當一個數列變得較沒那麼穩定時，我們預料對任何誤差的量測方式而言，要去估計它的範圍都會變得較為困難。 儘管如此， 我們應該知道 穩定性與預測精準率它們還是不同的概念。 當將穩定性作為可預測性的定義時，理當不會涉及或受限於哪一個特定的預測方法或預測誤差量測方式，而只與數列有關。這是一個有力點。但同時這也是一個弱點，尤其當穩定性與可預測性的聯繫不是那樣明顯時。 在一些例子穩定性與預測精準度對應的很好。例如 sine 波是一個完美穩定的時間序列，沒有任何隨機部位在那裏。如果我們知道它的相位(phase)與震幅(amplitude)，我們可以精確的預測這個序列。在這個例子，對任何合理的誤差量測方法而言，預測誤差都將為 0。 在 Henon 映射的例子中， 假定數據生成過程已知是混亂的。 如果我們將我們對其可預測性評估 基礎 建立在 近似熵度量上，我們可以說序列是穩定的。 如果這個數據產生過程是可 識別的同時 可以正確 估計 它的參數，在預測精準度的感受上它只是 可預測的 。預測者是否值得懷疑， 呈現一個短的Hénon時間圖，將能夠推斷 基於 它 的 動態 系統。 如果預測者錯誤地指定了數據生成 過程，則預測誤差可能很大並且難以確定。 所以穩定 一系列並不意味著良好的預測準確性。 這裡產生一個問題: 對好的預測精準度而言，穩定性是一必要條件嗎? 當單獨考慮一個數列時，此時沒有背景訊息或伴隨其它的序列，可能就是這種情況。 一個變來變去的序列無法進行外插 推斷 獲得好的精準度。然而一個 變來變去的序列可能與另一個序列有一個時間遞延的關係，使能獲得好的預測精準度。 另外，有關商業狀況的定性訊息可能讓用 主观臆断 這種預測方法有精確的預測。所以採取比 外插 推斷更廣泛的視角，我們可以了解穩定性不是一個有好精準度的必要條件。 穩定性是重要，但應該與可預測性有分別。可預測性這一個詞已經被用在不同方面，使得這個概念不太容易被掌握住。離開了穩定性的圖像，可預測性需要一的更清晰的概念。 藉著預...