Коли використовувати Експоненціальне згладжування проти ARIMA?

Нещодавно я оновлював свої знання з прогнозування, працюючи над деякими щомісячними прогнозами на роботі і читаючи книгу Роб Хандмана, але єдине місце, де я боюсь, - це коли використовувати експоненціальну модель згладжування проти моделі ARIMA. Чи є правило, де слід використовувати одну методологію проти іншої?

Крім того, оскільки ви не можете використовувати AIC для порівняння двох, вам просто потрібно пройти RMSE, MAE тощо?

Наразі я будую лише декілька з них і порівнюю заходи помилок, але не знаю, чи є кращий підхід.

forecasting arima exponential-smoothing

— користувач1723699
джерело

Як я пам’ятаю з книги Хайндмана, головним моментом методів згладжування є згладжування даних. Він не враховує шум або нестабільність шуму. Його можна використовувати для прогнозів, але це, здається, не є головним моментом.

— meh

@aginensky, експоненціальне згладжування, безумовно, є популярною та ефективною методикою прогнозування. Я б здогадався, що основне використання моделей експоненціальної згладжування - це не що інше, як прогнозування.

— Річард Харді

Це правильно, адже до недавнього часу не існувало такого поняття, як експоненціальна модель згладжування ; експоненціальне згладжування був тільки алгоритм для обчислення не прогнози, нічого іншого.

— Кріс Хау

Експонентне згладжування насправді є підмножиною моделі ARIMA. Ви не хочете припускати модель, а скоріше побудувати індивідуальну модель для даних. Процес ARIMA дозволить вам це зробити, але вам потрібно врахувати й інші елементи. Вам також потрібно визначити та підкоригувати для людей, що вижили. Більше про роботу Цая з випускниками дивіться тут

— Том Рейлі
джерело

У широкому сенсі експоненціальне згладжування не є підгруппою моделей ARIMA, хоча лінійні експоненціальні згладжувальні моделі справді є. Див. Hyndman & Athanasopoulos "Прогнозування: принципи та практика" Розділ 8.10 .

— Річард Харді

Так, ви праві. Все вірно, що існують моделі ARIMA без аналога ETS. readbag.com/robjhyndman-research-rtimeseries-handout У вас є приклад набору даних, на який ви можете вказати, що це буде хорошим орієнтиром для цього?

— Том Рейлі

У мене немає гарного набору даних для тестування, ні.

— Річард Харді

Слід додати, що Autobox (програмне забезпечення, до якого я входять) не обмежує коефіцієнт <1, тому для Autobox він імітує нелінійні властивості. ETS також ігнорує 1) Імпульси, Зрушення рівня, Сезонні імпульси та одну і єдину 1 тенденцію; 2) сталість дисперсії помилок; 3) сталість параметрів у часі.

— Том Рейлі