数据特征驱动的单变量预测建模研究

• Published in: 计量经济学报 Vol. 4; no. 4; pp. 1124 - 1148
• Main Authors: 王方, 张颂扬, 余乐安, 肖进
• Format: Journal Article
• Language: Chinese
• Published: 中国科学院数学与系统科学研究院 01.07.2024; 中国科技出版传媒股份有限公司
• Subjects: 数据特征驱动; 单变量预测建模; 综述
• ISSN: 2096-9732
• DOI: 10.12012/CJoE2024-0102

预测是决策和规划的基础，包括单变量和多变量预测建模。由于单变量预测建模仅需利用时间序列本身的历史值，在农业、能源、环境、金融等领域得到了广泛应用。数据特征驱动模型是基于数据本身特征进行模型选择，以预测未来趋势。本文立足于数据特征驱动的预测建模研究范式，通过文献梳理和总结，提出了数据特征驱动的单变量预测建模的七种典型框架，即专家知识类、数据特征驱动类、专家知识驱动的分解-集成类、专家知识驱动的分解-聚类-重构-集成类、数据知识混合驱动的分解-集成类、数据知识混合驱动的分解-聚类-重构-集成类、知识数据混合驱动的分解-集成类。在此基础上，对数据特征分类与识别方法、分解-集成方法、聚类-重构方法和预测方法等进行了评述。最后，从混叠数据特征的识别检验、智能化预测建模、聚类-重构新方法、预测-集成新方法、时序预测大模型等方面讨论了未来的五大研究方向及其典型科学问题，以期为促进数据特征驱动的单变量预测理论与方法的研究提供参考。