¿Cuáles son los problemas al hacer backtest de modelos de series temporales?

Al realizar la prueba retrospectiva de modelos de series temporales, surgen los siguientes problemas:

• Filtración de datos (data leakage): usar datos futuros para entrenar el modelo, lo cual no es aceptable para series temporales, ya que viola la cronología.
• Inestabilidad de las series temporales: estacionalidad, tendencias y cambios estructurales pueden afectar la calidad del modelo y su capacidad de generalización.
• Selección de la ventana de entrenamiento y prueba correcta: es necesario dividir los datos en función del tiempo de manera adecuada para evitar solapamientos y garantizar una evaluación justa.
• Autocorrelación de errores: los errores del modelo pueden estar dependientes en el tiempo, lo que complica la evaluación de la calidad.
• Cambio en la distribución de los datos (concept drift): el comportamiento de la serie temporal puede cambiar con el tiempo, y un modelo entrenado con datos antiguos puede funcionar mal en datos nuevos.

Para una prueba retrospectiva correcta, a menudo se utilizan métodos de ventana deslizante (rolling window) o ventana expansiva (expanding window) para simular el proceso real de pronóstico.