Time-Series
內特·西爾弗（Nate Silver）關於黃土的解釋
在我最近提出的一個問題中，有人告訴我，用黃土推斷是一個很大的“禁忌”。但是，在Nate Silver 在 FiveThirtyEight.com 上的最新文章中，他討論了使用黃土進行選舉預測。
他正在用黃土討論激進與保守預測的細節，但我很好奇用黃土做出未來預測的有效性？
我也對這個討論感興趣，還有哪些其他替代品可能對黃土有類似的好處。
lowess 或 loess 的問題在於它使用多項式插值。在預測中眾所周知，多項式在尾部具有不穩定的行為。插值時，分段 3 次多項式可提供出色且靈活的趨勢建模，而外插超出觀察數據范圍時，它們會爆炸。如果您在時間序列中觀察到後來的數據，您肯定需要在樣條曲線中包含另一個斷點以獲得良好的擬合。
然而，預測模型在文獻的其他地方得到了很好的探索。卡爾曼濾波器和粒子濾波器等濾波過程提供了出色的預測。基本上，一個好的預測模型將是任何基於馬爾可夫鏈的模型，其中時間不被視為模型中的參數，而是使用先前的模型狀態來通知預測。