Крис Чатфилд, чьи многочисленные качественные книги и газеты мне нравилось читать, в (1) дает следующий совет:
Например, вероятно, следует сделать выбор между моделями временных рядов ARIMA с низкими и приблизительно равными значениями AIC, причем не в тех случаях, когда получается минимальный AIC, а в отношении тех, которые дают наилучшие прогнозы данных за последний год.
Чем обоснован такой совет? Если это правильно, почему прогноз :: auto.arima и другие процедуры прогнозирования не следуют ему? Еще предстоит реализовать? Здесь уже обсуждалось, что искать модели, которые только что дали минимальный AIC, вероятно, не очень хорошая идея. Почему вариант с моделями ARIMA с низким, но приблизительно равным (например, в пределах 1 или 2 значений минимального AIC) не используется по умолчанию во многих программах прогнозирования временных рядов?
(1) Chatfield, C. (1991). Как избежать статистических ошибок. Статистическая наука, 6 (3), 240–252. Доступно в Интернете, URL: https://projecteuclid.org/euclid.ss/1177011686 .
источник
Ответы:
Это правда, что если у вас несколько одинаковых значений AIC, выбор наименьшего значения может быть не лучшим вариантом. Разумной альтернативой было бы выполнение усреднения модели. Таким образом, вы можете использовать не только лучшую модель для вывода, но и набор «наиболее поддерживаемых» моделей, каждая из которых взвешена в соответствии со значением AIC.
У вас есть краткое введение Винсента Кальканьо здесь
источник