Auto.arima vs autobox Чи відрізняються вони?

З читання публікацій на цьому сайті я знаю, що є функція R auto.arima(в forecast пакеті ). Я також знаю, що IrishStat , учасник цього сайту, побудував комерційний пакет autobox на початку 1980-х. Оскільки ці два пакети існують сьогодні і автоматично вибирають моделі arima для даних наборів даних, що вони роблять по-різному? Чи можуть вони виробляти різні моделі для одного і того ж набору даних?

Майкл / Уейн

AUTOBOX неодмінно доставить / визначить іншу модель, якщо буде виконано одну або декілька наступних умов

1) в даних є імпульси

2) в даних є 1 або більше зрушень рівня / кроку

3) якщо в даних є сезонні імпульси

4) в даних є 1 або більше місцевих тенденцій часу, які не просто виправити

5) якщо параметри моделі з часом змінюються

6) якщо дисперсія помилок з часом змінюється і перетворення потужності не є адекватним.

З точки зору конкретного прикладу, я б запропонував вам обидва вибрати / зробити часовий ряд та опублікувати їх обох в Інтернеті. Я буду використовувати AUTOBOX для аналізу даних у режимі без нагляду, і розміщу моделі у списку. Потім ви запускаєте програму R, а потім кожен з вас робить окремий об'єктивний аналіз обох результатів, вказуючи на подібність та відмінності. Надішліть ці дві моделі в комплекті з усіма доступними допоміжними матеріалами, включаючи остаточні умови помилки, для отримання коментарів. Узагальнити та подати ці результати до списку, а потім попросити читачів списку ГОЛОСУВАТИ, яка процедура їм найкраще здається.

Вони представляють два різних підходи до двох подібних, але різних проблем. Я писав auto.arimaі @IrishStat є автором Autobox.

auto.arima()підходить (сезонні) моделі ARIMA, включаючи умови дрейфу. Autoboxпідходить для моделей функцій передачі для обробки змін та видатків рівня. Модель ARIMA - це особливий випадок моделі функції передачі.

Навіть якщо ви вимкнули зміщення рівня та виявлення зовнішньої форми Autobox, ви отримаєте іншу модель ARIMA auto.arima()через різні варіанти визначення ідентифікаційних параметрів ARIMA.

У моєму тестуванні даних M3 та M-конкуренції auto.arima()даються більш точні прогнози, ніж Autoboxдля цих даних. Однак, Autoboxбуде краще з даними, що містять основні атрибути та зрушення рівня.

EDIT: На ваш коментар, я вважаю, що якщо ви вимкнете багато autoboxваріантів, ви, ймовірно, отримаєте подібну відповідь auto.arima. Але якщо ви цього не зробите, а в присутності людей, що вижили, напевно буде різниця: auto.arimaне піклується про людей, які переживають autoboxлюди , тоді як буде їх виявляти та обробляти їх належним чином, що дасть кращу модель. Можуть бути й інші відмінності, і я впевнений, що IrishStat може їх описати.

Я вважаю, що autoboxвиявляє люди, що не впадають у життя, та інші речі, крім простого пошуку найкращих коефіцієнтів AR, I та MA. Якщо це правильно, знадобиться додатковий аналіз та пара інших функцій R, щоб мати подібну функціональність. І IrishStats є цінним членом цієї спільноти і досить доброзичливим.

Звичайно, R безкоштовна і може робити багато мільйонів речей за межами ARIMA.

Ще один вибір, який є безкоштовним для економічного стилю ARIMA, - X13-ARIMA SEATSз Бюро перепису населення США, яке є відкритим кодом. Є бінарні файли для Windows та Linux, але вони складені прямо на моєму Mac, враховуючи, що я вже завантажив компілятор gfortran gfortran. Це спадкоємець X12-ARIMAі був випущений за останні кілька днів, після років розробки та тестування. (Він оновлює X12, а також додає функції SEATS / TRAMO. X12 - офіційний інструмент США, тоді як SEATS / TRAMO - з Банку Іспанії та є "європейським інструментом".)

Мені дуже подобається X12 (а зараз X13). Якщо ви виведете неабияку кількість діагностики і прочитаєте їх і дізнаєтеся, що вони означають, вони насправді є досить хорошою освітою в ARIMA та часових рядах. Я розробив власний робочий процес, але є пакет R x12для виконання більшості робіт зсередини R (все одно потрібно створити файл вхідної моделі (".spc") для X12).

Я кажу, що X12 добре підходить до ARIMA в "стилі економіки", щоб мати на увазі щомісячні дані, що мають більше 3 років даних. (Для використання деяких діагностичних функцій вам потрібно 5 років). Він має функцію зовнішньої ідентифікації, може обробляти всі види специфікацій зовнішньої торгівлі, а також обробляти свята, плаваючі відпустки, ефекти торгових днів та безліч економічних речей. Це інструмент, який використовується урядом США для створення сезонно коригуваних даних.