SSA is a univariate time-series mod

SSA is a univariate time-series model and does not rely on a priori defined functions; however, it generates a set of components directly from the time-series under study [42]. Unlike in traditional time-series models, the trend is any gradually varying component of the series that does not contain cyclical or seasonal components [11]. The SSA model is also nonparametric; hence, it is not limited by linearity, normality, and stationarity of the data. Applying SSA to measure the nonlinear dependency of financial markets shows more accurate than conventional univariate time-series models.

結果 (繁體中文) 1:

多元時間序列模型可以預計產生準確的預測。然而，單變量預測模型可能顯著優於多變量模型在某些條件下，如場景當預測步驟是小的。然而，一些研究人員認為，單變量模型中進行類似的多變量模型。兩款車型的其它對比，可以在不同的領域，如急診需求和能源市場波動的預測來決定。

結果 (繁體中文) 2:

多變數時間序列模型可以生成準確的預測。然而，單變數預測模型在某些條件下可能大大超過多變數模型，例如預測步驟很小的情況。然而，一些研究人員認為，單變數模型的表現與多變數模型相似。兩種模型的其他比較可以在不同的領域確定，例如急診部門需求的預測和能源市場波動。

結果 (繁體中文) 3:

多變數時間序列模型可能會產生準確的預測。然而，在某些條件下，單變數預測模型可能會比多變數模型表現得更好，例如當預測步驟很小時的情景。然而，一些研究者認為單變數模型的表現與多變數模型相似。這兩種模型的附加比較可以在不同領域確定，如應急部門需求預測和能源市場波動。