Szereg predykcyjny

Szereg predykcyjny obejmuje powiązane dane, które mogą pomóc w wyjaśnieniu zachowań szeregu, dla którego ma zostać utworzona prognoza. Na przykład sklep internetowy lub sprzedaży wysyłkowej może prognozować sprzedaż w oparciu o liczbę rozesłanych katalogów, liczbę czynnych linii telefonicznych czy liczbę odwiedzin strony WWW firmy.

Jako predyktor może zostać użyty każdy szereg, pod warunkiem że zostanie on rozciągnięty w przyszłość odpowiednio do oczekiwanego okresu prognozy, i jest kompletny, to znaczy nie zawiera braków danych.

Dodając predyktory do modelu, należy zachować ostrożność. Dodanie dużej liczby predyktorów wydłuży czas potrzebny do oszacowania modelu. Podczas gdy dodanie predyktorów może poprawić zdolność modelu do dopasowania do danych historycznych, nie oznacza ono koniecznie, że jakość prognozowania modelu ulegnie poprawie, zatem zwiększenie złożoności modelu niekoniecznie się opłaci. W idealnym przypadku celem powinno być określenie najprostszego dobrze sprawdzającego się w prognozowaniu modelu.

Jako ogólną zasadę zaleca się stosowanie liczby predyktorów mniejszej od wielkości próby podzielonej przez 15 (to jest, aby na 15 obserwacji przypadał maksymalnie jeden predyktor).

Predyktory z brakami danych. Predyktory z niekompletnymi danymi lub z brakami danych nie mogą być używane podczas prognozowania. Dotyczy to zarówno danych historycznych, jak i przyszłych wartości. W niektórych przypadkach można uniknąć tego ograniczenia, ustawiając rozpiętość oszacowania modelu tak, aby wykluczyć z estymacji modeli najstarsze dane.