Holt-Winters oder ARIMA verwenden?

Meine Frage betrifft den konzeptionellen Unterschied zwischen Holt-Winters und ARIMA.

Holt-Winters ist meines Wissens ein Sonderfall von ARIMA. Aber wann wird ein Algorithmus dem anderen vorgezogen? Vielleicht ist Holt-Winters inkrementell und dient daher als Inline-Algorithmus (schneller)?

Ich freue mich auf einen Einblick hier.

Wie Brian in seiner Antwort sagt: Es gibt keine einfache Regel, welche besser ist. Zum Beispiel wechselte das britische Amt für nationale Statistiken von HW zu ARIMA und schrieb ein Papier darüber. Während sie sich für einen Wechsel entschieden, lag dies wahrscheinlich an der Leistungsfähigkeit des X12-Softwarepakets (jetzt X13), das auf ARIMA basiert und sehr stark ist mächtiger als die Technik selbst.

Außerdem sollten Sie die noch allgemeineren State Space-Lösungen (Kalman Filter) vergleichen. Rs arimaverwenden beispielsweise eine State Space-Lösung unter der Haube.

Holt-Winters hat drei Parameter, es ist also einfach, aber sie glätten im Grunde genommen Faktoren, sodass es Ihnen nicht viel sagt, wenn Sie sie kennen. ARIMA hat mehr Parameter und einige von ihnen haben eine intuitive Bedeutung, aber es sagt Ihnen immer noch nicht viel. Der Zustandsraum kann komplex sein, aber Sie können auch Dinge explizit modellieren, um eine größere Erklärungskraft zu erzielen. Meiner Meinung nach jedenfalls.

Ich habe gesehen, dass Menschen mit unterschiedlichen Datensätzen die Ergebnisse beider Algorithmen vergleichen und unterschiedliche Ergebnisse erzielen. In einigen Fällen liefert der Holt-Winters-Algorithmus bessere Ergebnisse als der ARIMA, in anderen Fällen ist es umgekehrt. Ich glaube nicht, dass Sie eine explizite Antwort darauf finden werden, wann Sie eine über die andere verwenden sollen.

Nach allem, was ich gesehen habe, können Sie mit ARIMA unabhängige Regressoren hinzufügen, während Holt Winters diesen Luxus nicht bietet