Interprétation des résultats ARIMA

Question

Comment interpréter les résultats d'ARIMA. J'ai une série différenciée et j'ai implémenté 2 modèles ARIMA ARIMA [2,1,0] et ARIMA [1,1,0]. Ce qui est meilleur et j'ai également tracé l'ACF et le PACF dont je suppose que 2,1,0 devrait être bon [ACF diminue progressivement et PACF tombe à environ 2]. Bien que j'aie entendu même après avoir tracé ACF et PACF, nous en essayons habituellement quelques-unes ou en boucle pour trouver le meilleur. Est-ce que nous voyons AIC/BIC pour comparer ou une autre statistique?

Voici le ARIMA [1,1,0] résultat

ARIMA 1,1,0

Voici le ARIMA [2,1,0] Résultat ARIMA 2,1,0

Answer 1

Tant que le terme de différence est le même (qui était 1 pour les deux modèles), vous pouvez comparer les deux modèles en utilisant AIC/BIC.

La comparaison AIC/BIC ne peut être appliquée qu'aux données de même taille. Donc, si vous avez un modèle avec un terme de différence = 1 et un autre avec 2, le dernier aura moins de points de données après la modélisation et pourrait donner un AIC/BIC inférieur sans promesse d'un meilleur modèle. Si vos données vous permettent d'effectuer une validation croisée, vous pouvez essayer avant de conclure quel jeu de paramètres est le meilleur pour votre modèle arima.

Vous voudrez peut-être jeter un coup d'œil sur cette discussion sur Cross Validated, qui a donné une idée simple sur la façon de mettre en œuvre la validation croisée pour arima. https://stats.stackexchange.com/questions/14099/using-k-fold-cross-validation-for-time-series-model-selection