时间序列可预测性度量
机器学习
2025-07-21 v1 人工智能
摘要
本文提出在模型开发之前使用两个指标来量化时间序列的可预测性：频谱可预测性分数和最大李雅普诺夫指数。与传统的模型评估指标不同，这些度量在尝试任何预测之前评估数据固有的可预测性特征。频谱可预测性分数评估时间序列中频率分量的强度和规律性，而李雅普诺夫指数量化生成数据的系统的混沌性和稳定性。我们在来自M5预测竞赛数据集的合成和真实世界时间序列上评估了这些指标的有效性。我们的结果表明，这两个指标能够正确反映时间序列的固有可预测性，并且与各种模型的实际预测性能有很强的相关性。通过在模型训练前理解时间序列的固有可预测性，实践者可以将他们的规划工作集中在更具可预测性的产品和供应链层级上，同时对可预测性有限的产品设定适当的期望或寻求替代策略。
引用
@article{arxiv.2507.13556,
title = {Time Series Forecastability Measures},
author = {Rui Wang and Steven Klee and Alexis Roos},
journal= {arXiv preprint arXiv:2507.13556},
year = {2025}
}