高关联带偏移双时间序列预测：XGBoost误差大，求替代方法

问题背景 #

我有一个包含两列的时间序列数据集，每列对应一个高度相关的时间序列。从附图可见，二者模式同步变化但存在微小偏移。我尝试用其中一列作为自变量预测另一列，已拆分日期时间索引生成特征并使用XGBoost训练，但模型误差显著（第二张图为局部放大视图）。

可行替代方法 #

1. 针对性构建时序偏移特征 #

既然两个序列存在微小偏移，仅用当前时刻的自变量无法精准捕捉关联：

• 生成自变量的滞后特征（如lag_1、lag_3）、超前特征（若目标序列超前于自变量），或滑动窗口统计特征（过去N步的均值、极值）
• 用pandas快速实现：

  import pandas as pd
  df['x_lag1'] = df['x'].shift(1)
  df['x_rolling_std'] = df['x'].rolling(window=5).std()
  

2. 选用时序专用模型 #

XGBoost作为树模型，对时序动态依赖的捕捉能力有限，可尝试这些模型：

• ARIMAX/SARIMAX：将另一序列作为外生变量，专门建模时序的自相关与交叉相关关系，适合存在同步偏移的场景
• LSTM/GRU：循环神经网络天然擅长捕捉时序的长期依赖和动态偏移，能自动学习序列间的时间关联
• Temporal Fusion Transformer：专为多变量时序设计的Transformer模型，可同时捕捉长期趋势、短期波动和变量间的复杂关联

3. 先对齐序列再建模 #

针对微小偏移问题，先做序列对齐处理：

• 用互相关分析计算两个序列的最优偏移量，将自变量序列平移对应步数后再训练
• 用scipy实现：

  from scipy.signal import correlate
  corr = correlate(df['target'], df['feature'], mode='full')
  optimal_lag = corr.argmax() - (len(df['feature']) - 1)
  df['feature_aligned'] = df['feature'].shift(optimal_lag)
  

4. 误差修正模型（ECM） #

因两序列高度相关，大概率存在协整关系：

• 先做Engle-Granger协整检验，确认后构建误差修正模型，既能捕捉长期均衡关系，又能修正短期偏移带来的误差

5. 模型融合降误差 #

组合不同模型的优势：

• 先用ARIMAX捕捉时序线性依赖，再用XGBoost/LSTM拟合残差，将两个模型的预测结果加权融合，进一步降低误差

内容的提问来源于stack exchange，提问作者elnaz fathi