Exponential Smoothing vs ARIMA ne zaman kullanılır?

Kısa bir süre önce işyerinde aylık tahminler üzerinde çalışırken ve Rob Hyndman'ın kitabını okurken tahmin bilgimi yeniliyordum, ancak mücadele ettiğim tek yer, bir ARIMA modeline kıyasla üstel bir yumuşatma modelinin ne zaman kullanılacağıdır. Bir metodolojiyi diğerine karşı kullanmanız gereken bir kural var mı?

Ayrıca, ikisini karşılaştırmak için AIC'yi kullanamayacağınız için sadece RMSE, MAE, vb.

Şu anda sadece birkaç tane inşa ediyorum ve hata önlemlerini karşılaştırıyorum ama daha iyi bir yaklaşım olup olmadığından emin değildim.

forecasting arima exponential-smoothing

— user1723699
kaynak

Hyndman'ın kitabından hatırladığım gibi, düzleştirme tekniklerinin en önemli noktası verileri düzeltmektir. Gürültü veya gürültünün değişkenliğini dikkate almaz. Tahminler için kullanılabilir, ancak bu ana nokta gibi görünmemektedir.

— meh

@aginensky, üstel düzleştirme kesinlikle popüler ve etkili bir tahmin tekniğidir. Üstel yumuşatma modellerinin ana kullanımının tahmin etmekten başka bir şey olmadığını tahmin ediyorum.

— Richard Hardy

Bu doğru, aslında yakın zamana kadar üstel bir yumuşatma modeli diye bir şey yoktu ; üstel düzleme sadece tahminlerin hesaplanması için bir algoritmadır , başka bir şey değildir.

— Chris Haug

Üstel Düzeltme aslında bir ARIMA modelinin bir alt kümesidir. Bir model almak istemezsiniz, bunun yerine veriler için özelleştirilmiş bir model oluşturursunuz. ARIMA süreci bunu yapmanıza izin verir, ancak diğer öğeleri de dikkate almanız gerekir. Aykırı değerleri de tanımlamanız ve ayarlamanız gerekir. Tsay'ın aykırı değerlerle ilgili çalışmaları hakkında daha fazla bilgiyi burada bulabilirsiniz

— Tom Reilly
kaynak

Geniş anlamda, üstel düzleştirme ARIMA modellerinin bir alt kümesi değildir, ancak doğrusal üstel düzleştirme modelleri gerçekten de vardır. Bakınız Hyndman ve Athanasopoulos "Öngörü: İlkeler ve Uygulama" Bölüm 8.10 .

— Richard Hardy

Evet haklısın. ETS karşılığı olmayan ARIMA modellerinin olduğu doğrudur. readbag.com/robjhyndman-research-rtimeseries-handout Bunun için iyi bir kriter olacağını bana işaret edebileceğiniz örnek bir veri kümesi olabilir mi?

— Tom Reilly

Kıyaslama için iyi bir veri setim yok, hayır.

— Richard Hardy

Autobox'ın (parçası olduğum bir yazılım) <1 katsayısını sınırlamadığını ve bu nedenle Autobox için doğrusal olmayan özellikleri taklit ettiğini eklemeliyim. ETS ayrıca dikkate almaz 1) Bakliyat, Seviye Kaymaları, Mevsimsel Bakliyat ve bir ve sadece 1 eğilim; 2) hata varyansının sabitliği; 3) parametrelerin zaman içindeki sabitliği.

— Tom Reilly