En général, il n'est pas logique d'adapter volontairement vos données. Le problème est qu'il est difficile de s'assurer que les motifs apparaissent également dans la partie qui n'est pas incluse dans vos données. Vous devez affirmer qu'il existe un modèle dans les données. Une possibilité de le faire est le concept de stationnarité.
Ce que vous décrivez me rappelle la stationnarité et l'ergodicité. Du point de vue contextuel / commercial, vous supposez que votre série chronologique suit certains modèles. Ces modèles sont appelés stationnarité ou ergodicité.
Définition de la stationnarité:
Un processus stationnaire est un processus stochastique dont la distribution de probabilité conjointe inconditionnelle ne change pas lorsqu'elle est décalée dans le temps. Par conséquent, des paramètres tels que la moyenne et la variance ne changent pas non plus avec le temps.
Définition de l'ergodicité:
Un processus ergodique est un processus se rapportant à ou désignant des systèmes ou des processus avec la propriété qui, avec un temps suffisant, ils incluent ou empiètent sur tous les points dans un espace donné et peuvent être représentés statistiquement par une sélection raisonnablement large de points.
Maintenant, vous voulez vous assurer qu'il suit vraiment ces certains modèles. Vous pouvez le faire, par exemple avec le test de racine unitaire (comme Dickey-Fuller) ou le test de stationnarité (comme KPSS).
Définition Test de racine unitaire:
H0: Il existe une racine unitaire.
H1:Il n'y a pas de racine unitaire. Cela implique dans la plupart des cas la stationnarité.
Définition Test de stationnarité:
H0: Il y a de la stationnarité.
H1: Il n'y a pas de stationnarité.
Lectures complémentaires:
Quelle est la différence entre un test stationnaire et un test de racine unitaire?
Si la série chronologique suit vraiment ces modèles, la prévision et la prévision seront "plus faciles d'un point de vue statistique", par exemple, vous pouvez appliquer des modèles économétriques pour la prévision comme ARIMA ou TBATS. Ma réponse concerne les séries chronologiques univariées et multivariées si vous avez des stationnaires de données transversales et les racines unitaires ne sont pas des concepts communs.