使用“窗口”来表示“预测未来多远”是非标准用法。“窗口”更频繁地指的是过去系列的子样本，例如在三个周期窗口上采用滚动均值。从答案中可以看出，这种用法让专家感到困惑。我建议您使用更常见的术语“预测范围”。

至于您的问题：没有“最佳”预测范围。您将所需的范围用于使用您的预测的后续流程。例如，我对超市进行预测。

• 有时我对未来五天的预测感兴趣（当从配送中心生成补货订单时，因为每个订单通常只需要满足三到五天的需求）。

• 有时我对两周感兴趣（在补货方面做一些更花哨的优化时）。

• 有时我对三个月感兴趣（在策划促销活动、降价和营销时，要通知供应商）。

• 正如@Aksakal 所说，有时您必须满足规定某个预测范围的法规。

• 人口预测通常会使用数十年的预测范围。

• 气候预测可以展望几个世纪。

在每种情况下，您都需要针对特定​​范围的预测来支持您今天的决策。（提前两年的气候预测不会帮助你今天制定政策。）预测超出你需要的范围是没有用的。（超市经理不会对两年前的预测感兴趣。零售商的中央战略和规划部门很可能会感兴趣。）

所以：根据你将预测用于什么来决定。

我认为没有最佳的预测范围。当然，您可以谈论最大视野，这取决于领域和基础过程。再说一次，没有一般的经验法则。

例如，在金融领域的某些应用中，例如投资组合的市场风险价值，监管机构规定根据 12 个月的数据提前 1 天或 10 天生成 99% 置信 VaR 数。VaR本质上是损益（或收益）分布的尾部。在这方面，VaR 是一种预测。

在许多经济应用中，我们有年度、季度、月度和每周的季节性。显然，您无法用一年的数据估计年度和季度的季节性调整。此外，我们更喜欢拥有至少一个商业周期的数据，即包括繁荣/萧条时期，这意味着多年的数据。因此，在这些具有一年历史的应用程序中，您的预测范围仅限于几个月，超出此预测是有问题的。

一个很好的类比是外推。当您进一步超出数据点时，外推变得不可靠。

一年的日常数据不足以估计/识别年度重复活动。描述星期几的结构就足够了，但即便如此，假期效应也会扭曲它们。正如@stephan-kolassa 指出的那样，首选术语是预测范围而不是“窗口”，但我确实理解您所说的窗口是什么意思。就最佳“前方窗口”（预测范围）而言，没有“最佳”，但可能存在不断增加的不确定性，这在选择适当的“窗口”或“地平线”时可能是一个缓解因素。通常这是由预测活动的目标/需求设定的。当然，如果不考虑每周/每月/假期的影响，任何预测都可能处于危险之中。

正如@IrishStat 所说，如果它适应趋势、活动和季节性，一年的每日数据就足够了。然而，一些趋势（和/或）季节性甚至可能无法通过每日频率捕捉到。他们可能需要每分钟捕获的数据来解释影响。

因此，经验法则是，如果捕获的数据频率具有可以解释您的问题陈述（或目标）的趋势和季节性，那么这将是理想的窗口。

快速搜索返回了 Atsushi 等人关于具有时变参数的样本外预测的窗口选择的这篇文献。; 他们讨论了一种选择用于预测的估计窗口大小的新方法。

觉得你可能会感兴趣，所以附上。