Theta 介绍

Theta 模型基本上依赖于分解。我们知道时间序列可以分解为三个部分：趋势部分、季节性部分和残差。 因此，将序列分解为各个组成部分，对未来预测每个组成部分，并将每个部分的预测组合成最终预测，是一个合理的做法。 不幸的是，在实践中这并不奏效，尤其是因为很难分离残差并对其进行预测。 因此，Theta 模型是这个想法的演变，它依赖于将序列分解为长期部分和短期部分。 从正式的角度来看，Theta 模型基于修改时间序列的局部曲率的概念。 这种修改由一个称为 theta 的参数管理（因此称为 Theta 模型）。 这种修改应用于序列的二次差分，意味着它被差分两次。当 theta 在 0 和 1 之间时，序列“被减压”。 这意味着短期波动较小，我们强调长期影响。当 theta 达到 0 时，序列转化为一条直线回归线。

参考

• Time Series Forecasting with Theta model
• The Theta Model
• AutoTheta Model