ML.NET SSA预测模型回测结果异常及参数配置疑问

操作可能存在的问题 #

• 回测输入数据适配错误：你用1993年数据回测时，是否确保输入的初始序列长度完全匹配模型训练时的*seriesLength参数？SSA模型对输入序列长度有严格要求，训练时指定的seriesLength*是模型预期的输入序列长度，回测时若输入的1993年数据长度与该参数不匹配，会导致模型无法正确提取特征，进而出现预测偏差。
• 模型加载后参数不一致：保存和加载模型时，是否保证预测代码中使用的*windowSize、seriesLength、horizon*与训练时完全一致？若加载后修改这些参数，模型内部特征提取逻辑会与训练阶段不兼容，必然引发异常结果。

参数微调影响结果的原因 #

SSA（奇异谱分析）的核心是通过滑动窗口将时间序列分解为不同成分，这两个参数直接决定分解的维度和精度：

• windowSize：控制滑动窗口大小，决定模型能捕捉的时间序列周期特征长度。你的数据是严格线性递增、无周期性的，当*windowSize过大时，模型会试图捕捉不存在的周期模式，反而干扰对线性趋势的拟合；较小的windowSize*更适合捕捉短期线性变化，因此结果更接近预期。
• seriesLength：指定模型输入的时间序列长度，需要足够长以覆盖模型要学习的趋势。你的训练数据是36个月（1993-1995），当*seriesLength*设为7时，回测用的1993年数据是12个月，虽然长度足够，但模型训练时习惯用更长的序列片段提取特征，回测时用较短的初始序列（相对训练片段），模型无法充分学习完整线性趋势，导致偏差。

能否用该模型做回测？ #

可以，但需满足以下条件：

• 回测时输入的初始序列长度严格等于训练模型时指定的*seriesLength参数。比如训练时seriesLength=5，回测就要输入连续5个月的历史数据；训练时seriesLength=7*，回测就得输入连续7个月的数据。
• 回测的初始序列必须是训练数据中连续的一段，且模型在训练阶段已学习到该段数据之后的趋势（你的数据是严格线性递增，这点满足）。
• 重新加载模型后，所有预测相关参数（windowSize、seriesLength、horizon）必须与训练阶段完全一致，不可随意调整。

内容的提问来源于stack exchange，提问作者Nvm