关于时间序列数据的交叉验证，我有一个一般性的问题。问题涉及宏观预测，例如使用不同的月度宏观变量来预测标准普尔500指数未来一个月的价格。我读到了一种方法：应该/可以使用滚动交叉验证方法。即总是丢弃一个旧的月度值并添加一个新的值（=滚动），然后预测下个月的标准普尔500指数值。但现在，由于“数据泄漏”的担忧，训练数据和预测下个月的值之间应该始终有一个月的间隔。我的问题是，我不明白为什么训练和验证之间总是要有一个间隔。我在这个方法中看不到数据泄漏的担忧？

感谢您的帮助！

回答：

Scikit learn在时间序列模型的交叉验证方面并未覆盖所有情况。此外，还有许多模型仅存在于Statsmodels套件中。

无论如何，您寻找滚动窗口CV的思路是正确的。这篇文章展示了一些其他可用的选项。

如果您想创建一个定制的函数来进行带有滑动窗口的前向验证，可以看看这个教程。它可以被调整为滚动窗口CV使用。

至于数据泄漏，您需要留下相当于您预测的h步前方的间隔。这可以通过前向验证来实现。

想象一下，您正在预测股票价格一个月后的情况，您在训练集中有数据直到2020年8月1日。您对2020年9月1日的预测将不会使用泄漏的数据。在预测之后，您可以将2020年8月2日的数据添加到训练集中，并继续前行。如果您不更新训练集，您最终可能会使用8月初的信息来预测9月底的数据，这两者之间可能超过一个月的间隔。