No soy un experto en series de tiempo, pero creo que hay algunos temas generales que puede aplicar que funcionan para muchos problemas. Una de las cosas más simples que puede hacer es observar si la distribución es de cola gruesa: si una cantidad significativa de masa en el PDF se concentra en las colas, entonces el pasado podría no ser un buen indicador del futuro.
Se observan todo tipo de problemas cuando las personas intentan predecir cosas en sistemas complejos: la economía, el clima, los terremotos, etc. Por ejemplo, los ingenieros de Fukushima predijeron que el tiempo esperado para un incidente nuclear con consecuencias fatales fue de 1 millón de años, lo que fue un toro completo desde entonces. ocurrió un evento solo 8 años después de esa predicción.
El lenguaje, la música, el audio y una amplia variedad de problemas de percepción que emplean el modelado de secuencias no exhiben tales fenómenos: no verá vocabularios a la deriva en períodos de tiempo cortos, acentos que cambian rápidamente u otras causas extrañas de cambio covariable.
- ¿Por qué Noam Chomsky es tan pesimista sobre el progreso en Inteligencia Artificial?
- ¿La automatización conducirá a la pérdida de empleos?
- ¿Cuál es la mejor definición de Inteligencia Artificial?
- ¿Podemos replicar la emoción humana con un sistema informático binario?
- ¿Qué algoritmos de aprendizaje automático se pueden considerar entre los mejores?
TLDR: cuando estudias un sistema complejo, solo observas fenómenos de ese sistema en una configuración particular: cualquier cambio leve (muy probable) llevará al sistema a un lugar donde tu modelo sea inútil (y probablemente peligrosamente poco confiable). Crisis de préstamos para la vivienda en 2008 + crisis financiera, fukushima, etc., etc.).