Quels sont les problèmes lors du backtesting de modèles de séries temporelles?

Lors de la rétroaction des modèles de séries temporelles, les problèmes suivants surviennent :

• Fuite de données (data leakage) : utiliser des données futures pour entraîner le modèle, ce qui est inacceptable pour les séries temporelles, car cela viole la chronologie.
• Instabilité des séries temporelles : la saisonnalité, les tendances et les changements structurels peuvent affecter la qualité du modèle et sa capacité de généralisation.
• Choix de la bonne fenêtre d'entraînement et de test : il est nécessaire de diviser correctement les données dans le temps pour éviter les chevauchements et assurer une évaluation équitable.
• Autocorrélation des erreurs : les erreurs du modèle peuvent être dépendantes dans le temps, ce qui complique l'évaluation de la qualité.
• Changement de la distribution des données (concept drift) : le comportement de la série temporelle peut changer avec le temps, et un modèle entraîné sur des données anciennes peut mal fonctionner sur de nouvelles données.

Pour une rétroaction correcte, on utilise souvent des méthodes de fenêtre glissante (rolling window) ou de fenêtre en expansion (expanding window) pour simuler le processus de prévision réel.