X-13ARIMA-SEATS 的回溯测试

我们从用户那里听到很多关于预测准确性的问题：我的模型预测与未来实际值的关系如何？预测值和实际值是否密切相关？会有什么样的跟踪误差？

回溯测试技术可以解决这些问题，但有一个简单的转折点：如果我们要回到过去，我们可以只使用当时可用的数据来校准模型，并进行样本外预测。然后，我们在不同的日期重复这一过程。

在回溯测试过程结束时，我们会生成预测值的时间序列，然后根据实际时间序列对其进行分析。然后，我们可以计算各种统计数据。

这篇文章的灵感来自于我们的一位用户提出的具体支持问题：

“如何对 X-13ARIMA-SEATS 预测的季节性调整值和最终值（即非季节性调整值）进行回溯测试？”

要进行回溯测试，我们需要运行多个 X13AS 方案，这些方案仅在输入数据集上有所不同。

在本教程中，我们将使用美国劳工部 (DOL) 提供的 1970 年 1 月至 2022 年 6 月期间的非农就业月度数据。

1. 使用 X13 向导，使用完整数据集构建 X13 模型。向导会将模型规范（JSON 文本）写入您指定的工作表中。
   
2. 接下来，在空白栏中列出您希望进行预测的所有时段。
   
3. 计算从数据集开始到步骤 (2) 中指定的每个周期的数据点数。
   
4. 将 (1) 中的 X13AS(.) 公式复制到另一列，与步骤 (3) 的列相邻。
   

5. 调用 NxSubset(.) 代替输入数据的单元格区域。NxSubset 函数的第一个参数是整个数据集，但终点偏移量是在步骤 (3) 的列中计算的。
   

   备注:

   请参阅 NxSubset(.) 参考手册 页面了解更多信息。

6. 现在，X13AS(.)函数仅使用到此为止的数据构建一个新的情景。
7. 使用 X13ASCOMP(.) 和 X13ASFORE(.) 函数，查询该行日期的分量或预测值。
   
8. 使用 Excel 内置函数 VLOOKUP(.) 查询每一行的实际值。
   
9. 将最上面一行的公式复制到表格的其余部分。这将触发一系列 X13 模型计算，可能需要一分钟才能完成。
   
10. 最后，让我们将回测值与实际值一起绘制出来。
    

结论

在我们的例子中，我们计算了过去 24 个月的非季节性调整单月预测，但我们可以很容易地扩大研究范围和/或计算不同的输出。

计算出回溯测试输出时间序列后，我们应使用您最喜欢的预测性能指标（NumXL 附带），如 MAPE、RMSE、MASE 等，定量描述预测跟踪误差。