Por qué la predicción de series temporales es tan difícil

The unreasonable difficulty of time series forecasting

Un análisis de las razones por las que la predicción de series temporales es más difícil que el aprendizaje automático clásico. El autor compara modelos estadísticos, redes neuronales, modelos fundacionales y LLM en varios conjuntos de datos, mostrando que los modelos sofisticados a menudo no superan a los simples. La clave es que las series temporales provienen de un proceso generador de datos, no de una distribución i.i.d., lo que conlleva baja relación señal-ruido, escasez efectiva de datos y una mayor deriva de distribución. El artículo explora qué hace que un proceso sea aprendible (estacionariedad, ergodicidad, autocorrelación) y por qué conocer las propiedades estadísticas no basta para pronosticar.