Uso de SVR en la previsión de series temporales no estacionarias

Question

Según mis conocimientos sobre la regresión de vectores de apoyo (SVR), uno de los supuestos de la SVR es

1. Distribución idéntica independiente.

Así que la aplicación de SVR en la previsión de series temporales no estacionarias ¿tiene sentido? Como las propiedades de no estacionariedad está en violación de los supuestos básicos de SVR.

Answer 1

La condición de distribuciones idénticas e independientes (iid) se refiere al $(x,y)$ puntos de datos. Significa independencia: $$p((x_i, y_i), (x_k, y_k)) = p((x_i, y_i)) p((x_k, y_k)),$$ es decir, el muestreo de $(x_i, y_i)$ no nos da ninguna información sobre el muestreo de $(x_k, y_k)$ dada la distribución.

Y la parte de distribución idéntica dice, que $(x_i, y_i)$ y $(x_k, y_k)$ han sido muestreados a partir de la misma distribución.

Por otro lado, el requisito de estacionariedad en series temporales, donde el $x_i$ son sólo números enteros consecutivos, se refiere a la media y la autocovarianza de la $y$ valores, requiriendo que estos sean constantes. En particular, $y_i$ y $y_k$ puede seguir siendo dependiente, siempre que esta dependencia no cambie.

Por lo tanto, tanto las series temporales no estacionarias como las estacionarias (normalmente) violan el requisito de iid.