Ich habe mehrere Zeitreihen in einem VAR (1) und möchte, da einige von ihnen nicht dieselbe Maßeinheit haben, den RMSE in Prozent schätzen. Ich weiß, dass dies auf verschiedene Arten geschehen kann (siehe unten), aber ich weiß nicht genau, welches besser zu einem Prognosebewertungsproblem passt. Ich hoffe du konntest mir helfen.
Beispiele für normalisierten RMSE:
R M.S.E.1= 1n∑ich( Y.fo r e c a s tich- Y.ichY.ich)2- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -⎷R M.S.E.2= 1n∑ich( Y.fo r e c a s tich- Y.ichY.fo r e c a s tich)2- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -⎷R M.S.E.3= 1n∑ich( Y.fo r e c a s tich- Y.ich)2- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -√m e a n ( Y.)
inf
? Ich dachte darüber nach, den Nennermean
eher alssum
und maximal mit einemepsilon
Wert zu verwendenEin möglicher Weg wäre, den RMSE mit der Standardabweichung von zu normalisieren :Y
Wenn dieser Wert größer als 1 ist, erhalten Sie ein besseres Modell, indem Sie einfach eine zufällige Zeitreihe mit demselben Mittelwert und derselben Standardabweichung wie generieren .Y
quelle