Utilizo la función auto.arima () en el paquete de pronóstico para ajustar los modelos ARMAX con una variedad de covariables. Sin embargo, a menudo tengo una gran cantidad de variables para seleccionar y generalmente termino con un modelo final que funciona con un subconjunto de ellas. No me gustan las técnicas ad-hoc para la selección de variables porque soy humano y sujeto a sesgos, pero la validación cruzada de series de tiempo es difícil , por lo que no he encontrado una buena manera de probar automáticamente diferentes subconjuntos de mis variables disponibles, y Estoy atascado ajustando mis modelos usando mi propio mejor criterio.
Cuando me ajusto a los modelos glm, puedo usar la red elástica o el lazo para la regularización y la selección de variables, a través del paquete glmnet . ¿Existe un kit de herramientas existente en R para usar la red elástica en los modelos ARMAX, o tendré que enrollar el mío? ¿Es esta una buena idea?
editar: ¿Tendría sentido calcular manualmente los términos AR y MA (digamos hasta AR5 y MA5) y usar glmnet para ajustar el modelo?
editar 2: Parece que el paquete FitAR me hace parte, pero no todo, del camino hacia allí.
forecast
paquete para R. Dijo que sería difícil con el ARIMA completo, porque tendrías que envolver el lazo alrededor del optimizador no lineal ARIMA. Una solución parcial sería ajustar un modelo AR utilizando glmnet
variables rezagadas. Hasta donde yo sé, nadie ha hecho esto con un modelo ARIMA completo todavía.