Wann sollte Exponential Smoothing vs ARIMA verwendet werden?

Ich habe kürzlich mein Prognosewissen aktualisiert, während ich an einigen monatlichen Prognosen bei der Arbeit gearbeitet und Rob Hyndmans Buch gelesen habe, aber der einzige Punkt, an dem ich Probleme habe, ist die Verwendung eines exponentiellen Glättungsmodells im Vergleich zu einem ARIMA-Modell. Gibt es eine Faustregel, nach der Sie eine Methode gegen eine andere anwenden sollten?

Da Sie AIC nicht zum Vergleichen der beiden verwenden können, müssen Sie nur RMSE, MAE usw. verwenden?

Momentan baue ich nur ein paar von jedem und vergleiche die Fehlermaßnahmen, aber ich war mir nicht sicher, ob es einen besseren Ansatz gibt.

forecasting arima exponential-smoothing

— user1723699
quelle

Wie ich mich aus Hyndmans Buch erinnere, besteht ein Hauptpunkt der Glättungstechniken darin, die Daten zu glätten. Rauschen oder Flüchtigkeit des Rauschens werden nicht berücksichtigt. Es kann für Vorhersagen verwendet werden, aber das scheint nicht der Hauptpunkt zu sein.

— Meh

@aginensky, exponentielle Glättung ist definitiv eine beliebte und effektive Prognosetechnik. Ich würde vermuten, dass die Hauptverwendung der exponentiellen Glättungsmodelle nichts anderes als Prognosen ist.

— Richard Hardy

Das ist richtig, in der Tat bis vor kurzem war es nicht so etwas wie eine exponentielle Glättung Modell ; Die exponentielle Glättung war nur ein Algorithmus zur Berechnung von Prognosen, sonst nichts.

— Chris Haug

Die exponentielle Glättung ist in der Tat eine Teilmenge eines ARIMA-Modells. Sie möchten kein Modell annehmen, sondern ein benutzerdefiniertes Modell für die Daten erstellen. Mit dem ARIMA-Prozess können Sie dies tun, aber Sie müssen auch andere Elemente berücksichtigen. Sie müssen auch Ausreißer identifizieren und anpassen. Weitere Informationen zu Tsays Arbeit mit Ausreißern finden Sie hier

— Tom Reilly
quelle

Im weitesten Sinne ist die exponentielle Glättung keine Teilmenge von ARIMA-Modellen, obwohl dies tatsächlich lineare exponentielle Glättungsmodelle sind. Siehe Hyndman & Athanasopoulos "Prognose: Prinzipien und Praxis", Abschnitt 8.10 .

— Richard Hardy

Ja du hast Recht. Es ist alles wahr, dass es ARIMA-Modelle ohne ETS-Gegenstück gibt. readbag.com/robjhyndman-research-rtimeseries-handout Hätte ein Beispieldatensatz, auf den Sie mich verweisen können, ein guter Maßstab dafür?

— Tom Reilly

Ich habe keinen guten Datensatz für das Benchmarking, nein.

— Richard Hardy

Ich sollte hinzufügen, dass Autobox (eine Software, zu der ich gehöre) den Koeffizienten <1 nicht einschränkt, sodass Autobox nichtlineare Eigenschaften nachahmt. ETS ignoriert auch 1) Impulse, Pegelverschiebungen, saisonale Impulse und einen und nur einen Trend; 2) Konstanz der Fehlervarianz; 3) Konstanz der Parameter über die Zeit.

— Tom Reilly