АКФ и Прогнозирование

Volume16 сентября 2008Data Mining3 комментария

Как правильно трактовать АКФ при прогнозировании временного ряда? А именно, помогает ли АКФ выбрать нужные лаги в качестве входа модели.

Допустим, мы прогнозируем продажи товара X. Есть несколько подходов. Можно предположить, что продажи в следующем месяце будут "зависеть" от продаж в предыдущем месяце и от продаж год назад.
Но во многих жизненных примерах это далеко не так. Если построить АКФ по конкретному временному ряду, то картина может быть совершенно разная. Обычно, при наличии тренда, АКФ затухает по мере увеличения лага. Но бывают примеры, когда самые большие значения АКФ как раз при больших лагах и амплитуда как раз растет.

Обычно с помощью АКФ выделяют сезонность. А вот правильно ли с помощью АКФ выделять значимые лаги? Ведь АКФ лишь говорит о том, какие лаги больше всего коррелируют с текущим значением ряда. И если эти лаги подавать на вход модели, не учитывая ничего более, - модель просто перенесет эту, заложенную нами же, тенденцию на шаг вперед?

Одним словом, хочется понять разниц между двумя ситуациями - когда значимые лаги суть относительно недавние "времена" и противоположная ситуация, когда значимые лаги (большие значения АКФ) могут быть на несколько лет позади.

Также хочется понять смысл отрицательной корреляции в данном контексте.

Спасибо!