Me parece que es posible que un modelo de previsión funcione muy bien en previsiones a un paso (o en cualquier otra previsión puntual) pero funcione mal en previsiones a varios pasos (si se promedia el error de todas las previsiones en el horizonte). Por ejemplo, un modelo simple de suavizado exponencial puede dar buenos resultados en la previsión de un paso adelante debido al comportamiento local de la serie temporal, pero dará muy malos resultados en un horizonte de previsión de varios pasos porque produce una previsión plana que ignora cualquier tendencia o estacionalidad.
A la inversa, parece posible que un modelo tenga mejores propiedades de generalización y funcione mejor por término medio en un horizonte de previsión de varios pasos, pero a costa de un mayor error en el primer paso o en los primeros pasos.
Sin embargo, todos los algoritmos de previsión que he visto utilizan previsiones puntuales de un paso adelante para estimar la bondad del ajuste.
¿Me estoy perdiendo algo? ¿Una mayor precisión en un paso implica siempre una mayor precisión en varios pasos?
¿O se trata simplemente de una solución pragmática porque no es factible ni práctico tratar de optimizar las previsiones con varios pasos de antelación?
