时间序列预测别只押一个模型

做跨境零售预测的朋友应该都有体会：选模型这件事本身就很消耗精力。平滑的工业信号和嘈杂的零售需求，适合的模型往往完全不同，而且换一个预测周期，最优选择可能又变了。最近看到 IBM 把四个 Granite 时间序列模型打包成一个集成预测接口，思路挺务实——与其纠结选哪个，不如让几个模型一起投票。

他们提供了两种组合方式。概率集成是默认推荐，把各成员的预测分布融合起来，输出更稳的区间；IQR 集成则更自适应，对异常值和分布偏斜更友好。关键结论是：集成在多数场景下确实优于单个成员，尤其是当成员之间差异较大时，收益更明显。这其实符合直觉，模型多样性本身就是一种保险。对跨境团队来说，我觉得真正的价值不在模型本身，而在那个可扩展的接口。你可以把自己的预测器接进去，和 Granite 成员一起做集成，不用推翻现有管线。这意味着中小团队也能低成本试错，而不是被某一家厂商锁死。当然，前提是你得先定义清楚自己的评估口径，否则集成只是把错误平均了一下。我的判断是：如果你的业务对预测区间敏感，比如备货和现金流规划，概率集成值得优先试；如果只是要一个点预测做参考，单模型调好参数可能更省事。别为了集成而集成，先跑一遍基线对比，看看成员之间的误差相关性高不高——相关性太高的话，集成带来的增益会很有限。最后提醒一句，预训练模型免训练不等于免评估。拿自己最近三个月的数据做回测，比看任何 benchmark 都靠谱。集成是个好工具，但它解决的是模型选择焦虑，不解决数据质量问题。