拓端tecdat：R语言集成模型：提升树boosting、随机森林、约束最小二乘法加权平均模型融合分析时间序列数据

特别是在经济学/计量经济学中，建模者不相信他们的模型能反映现实。比如：收益率曲线并不遵循三因素的Nelson-Siegel模型，股票与其相关因素之间的关系并不是线性的，波动率也不遵循Garch(1,1)过程，或者Garch(?,?)。我们只是试图为我们看到的现象找到一个合适的描述。

模型的发展往往不是由我们的理解决定的，而是由新的数据的到来决定的，这些数据并不适合现有的看法。有些人甚至可以说，现实没有基本的模型（或数据生成过程）。正如汉森在《计量经济学模型选择的挑战》中写道。

“模型应该被视为近似值，计量经济学理论应该认真对待这一点”

所有的理论都自然而然地遵循 "如果这是一个过程，那么我们就显示出对真实参数的收敛性 "的思路。收敛性很重要，但这是一个很大的假设。无论是否存在这样的过程，这样的真实模型，我们都不知道它是什么。同样，特别是在社会科学领域，即使有一个真正的GDP，你可以认为它是可变的。

这种讨论引起了模型的组合，或者预测未来的组合。如果我们不知道潜在的真相，结合不同的选择，或不同的建模方法可能会产生更好的结果。

 

模型平均

让我们使用 3 种不同的模型对时间序列数据进行预测。简单回归 (OLS)、提升树和随机森林。一旦获得了三个预测，我们就可以对它们进行平均。

1.  # 加载代码运行所需的软件包。如果你缺少任何软件包，先安装。
2.   
3.  tem <- lappy(c("randomoest", "gb", "quanteg"), librry, charter.oly=T)
4.   
5.   
6.  # 回归模型。
7.   
8.   
9.   
10.   
11.   
12.  moelm <- lm(y~x1+x2, data=f)
13.   
14.   
15.  molrf <- ranmFrst(y~x1+x2, dta=df)
16.   
17.  mogm <- gb(ata=df, g.x=1:2, b.y=4
18.  faiy = "gssian", tre.comle = 5, eain.rate = 0.01, bg.fratn = 0.5)
19.   
20.   
21.   
22.  # 现在我们对样本外的预测。
23.   
24.  #-------------------------------
25.   
26.  Tt_ofsamp <- 500
27.   
28.   
29.  boosf <- pbot(df_new$x1, df_new$x2)
30.   
31.  rfft <- pf(df_new$x1, df_new$x2)
32.   
33.  lmt <- pm(df_new$x1, df_new$x2)
34.   
35.  # 绑定预测
36.   
37.  mtfht <- cbind(bo_hat, f_fat, lm_at)
38.   
39.  # 命名这些列
40.   
41.  c("Boosting", "Random Forest", "OLS")
42.   
43.  # 定义一个预测组合方案。
44.   
45.   
46.  # 为结果留出空间。
47.   
48.  resls <- st()
49.   
50.  # 最初的30个观测值作为初始窗口
51.   
52.  # 重新估计新的观测值到达
53.   
54.  it_inw = 30
55.   
56.  for(i in 1:leth(A_shes)){
57.  A_nw$y, mt_fht,Aeng_hee= A_scmes[i, n_wiow = intwdow )
58.   
59.   
60.   
61.  }
62.   
63.  # 该函数输出每个预测平均方案的MSE。
64.   
65.   
66.  # 让我们检查一下各个方法的MSE是多少。
67.   
68.  atr <- apy(ma_ht, 2, fucon(x) (df_wy - x)^2 )
69.   
70.  apy(ma_er[nitnow:Tou_o_saple, ], 2, fncon(x) 100*( man(x) ) )
71.   
72.

在这种情况下，最准确的方法是提升。但是，在其他一些情况下，根据情况，随机森林会比提升更好。如果我们使用约束最小二乘法，我们可以获得几乎最准确的结果，但这不需要事先选择 Boosting 、Random Forest 方法。继续介绍性讨论，我们只是不知道哪种模型会提供最佳结果以及何时会这样做。

加权平均模型融合预测

  是你的预测变量，  是时间预测  ，从方法 ， 和 

 例如OLS， 

 提升树和 

 是随机森林。您可以只取预测的平均值：  

通常，这个简单的平均值表现非常好。

在 OLS 平均中，我们简单地将预测投影到目标上，所得系数用作权重：

  

这是相当不稳定的。所有预测都有相同的目标，因此它们很可能是相关的，这使得估计系数变得困难。稳定系数的一个不错的方法是使用约束优化，即您解决最小二乘问题，但在以下约束下：

  

另一种方法是根据预测的准确程度对预测进行平均化，直到基于一些指标如根MSE。我们反转权重，使更准确的（低RMSE）获得更多权重。

  

您可以绘制各个方法的权重：

这是预测平均方法。

1.   
2.   
3.  ## 需要的子程序。
4.   
5.  er <- funcion(os, red){ man( (os - ped)^2 ) }
6.   
7.   
8.   
9.  ## 不同的预测平均方案
10.   
11.  ##简单
12.   
13.   
14.    rd <- aply(a_at, 1, an)
15.   
16.    wehs <- trx( 1/p, now = TT, ncl = p)
17.   
18.    ## OLS权重
19.   
20.   
21.     wgs <- marx( nol=(p+1)T)  
22.   
23.  for (i in in_wnow:TT) {
24.   
25.    wghs[i,] <- lm $oef
26.   
27.  pd <- t(eigs[i,])%*%c(1, aht[i,] )
28.   
29.  ## 稳健的权重
30.   
31.   
32.   
33.     for (i in iitnow:T) {
34.   
35.      whs[i,] <- q(bs[1:(i-1)]~ aft[1:(i-1),] )$cef
36.   
37.     prd[i] <- t(wihs[i,] )*c(1, atfha[i,])
38.   
39.     ##基于误差的方差。MSE的倒数
40.   
41.   
42.    for (i in n_no:TT) {
43.   
44.     mp =aply(aerr[1:(i-1),]^2,2,ean)/um（aply(mter[1:(i-1),]^2,2,man))
45.   
46.    wigs[i,] <- (1/tmp)/sum(1/tep)
47.   
48.    ped[i] <- t(wits[i,] )%*%c(maat[i,] )
49.   
50.    ##使用约束最小二乘法
51.   
52.   
53.   
54.  for (i in itd：wTT) {
55.   
56.    weht[i,] <- s1(bs[1:(i-1)], a_fat[1:(i-1),] )$wigts
57.   
58.    red[i] <- t(wehs[i,])%*%c(aht[i,] )
59.   
60.    ##根据损失的平方函数，挑选出迄今为止表现最好的模型
61.   
62.   
63.      tmp <- apy(mt_fat[-c(1:iit_wdow),], 2, ser, obs= obs[-c(1:ntwiow)] )
64.   
65.      for (i in it_idw:TT) {
66.   
67.      wghs[i,] <- rp(0,p)
68.   
69.      wihts[i, min(tep)] <- 1
70.   
71.      ped[i] <- t(wiht[i,] )*c(mht[i,] )
72.   
73.      } }
74.   
75.  MSE <- sr(obs= os[-c（1：intiow）], red= red[-c（1：itwiow）])
76.   
77.   
78.   
79.

---