Dans une question que j'ai posée récemment , on m'a dit que c'était un grand "non-non" d'extrapoler avec du lœss. Mais, dans le dernier article de Nate Silver sur FiveThirtyEight.com, il a discuté de l'utilisation du loess pour faire des prédictions électorales.
Il discutait des spécificités des prévisions agressives par rapport aux prévisions conservatrices avec le loess, mais je suis curieux de savoir s'il est possible de faire de futures prédictions avec le loess?
Je suis également intéressé par cette discussion et quelles autres alternatives il y a qui pourraient avoir des avantages similaires à loess.
Réponses:
Le problème avec le lowess ou le loess est qu'il utilise une interpolation polynomiale. Il est bien connu dans la prévision que les polynômes ont un comportement erratique dans les queues. Lors de l'interpolation, les polynômes du 3ème degré par morceaux fournissent une modélisation excellente et flexible des tendances tout en extrapolant au-delà de la gamme des données observées, ils explosent. Si vous aviez observé des données ultérieures dans la série chronologique, vous auriez certainement dû inclure un autre point d'arrêt dans les splines pour obtenir un bon ajustement.
Les modèles de prévision sont cependant bien explorés ailleurs dans la littérature. Le processus de filtrage comme le filtre de Kalman et le filtre à particules fournissent d'excellentes prévisions. Fondamentalement, un bon modèle de prévision sera basé sur des chaînes de Markov où le temps n'est pas traité comme un paramètre dans le modèle, mais les états du modèle précédents sont utilisés pour informer les prévisions.
la source