Jestem praktykiem, zarówno producentem, jak i użytkownikiem prognozowania, a NIE przeszkolonym statystykiem. Poniżej dzielę się przemyśleniami na temat tego, dlaczego Twoja średnia prognoza okazała się lepsza niż ARIMA, odwołując się do artykułu badawczego, który opiera się na dowodach empirycznych. Jedną z książek, do których wielokrotnie wracam, jest książka o zasadach prognozowania autorstwa Armstronga i jej strona internetowa, którą poleciłbym jako doskonałą lekturę dla każdego prognosty, zapewnia świetny wgląd w wykorzystanie i główne zasady metod ekstrapolacji.
Aby odpowiedzieć na pierwsze pytanie - Chcę wiedzieć, czy jest to niezwykłe?
Istnieje rozdział zatytułowany Ekstrapolacja dla szeregów czasowych i danych przekrojowych, który również jest dostępny bezpłatnie na tej samej stronie internetowej . Oto cytat z rozdziału
„Na przykład w konkursie M2 w czasie rzeczywistym, w którym badano 29 serii miesięcznych, Box-Jenkins okazał się jedną z najmniej dokładnych metod, a jego ogólny błąd średni był o 17% większy niż w przypadku naiwnej prognozy”
Istnieje empiryczny dowód na to, dlaczego Twoje średnie prognozy były lepsze niż modele ARIMA.
Przeprowadzono również badania po badaniach w konkursach empirycznych i trzeci konkurs M3, który pokazuje, że podejście ARIMA Box - Jenkins nie zapewnia dokładnej prognozy i brakuje dowodów na to, że lepiej radzi sobie w ekstrapolacji trendów jednoczynnikowych.
Istnieje również inny artykuł i trwające badanie Greene'a i Armstronga zatytułowane „ Proste prognozowanie: unikaj łez przed snem ” na tej samej stronie internetowej. Autorzy artykułu podsumowują w następujący sposób:
Ogółem zidentyfikowaliśmy 29 artykułów zawierających 94 formalne porównania dokładności prognoz złożonych metod z metodami prostymi - choć nie we wszystkich przypadkach - wyjątkowo prostymi. Osiemdziesiąt trzy procent porównań wykazało, że prognozy z prostych metod były dokładniejsze lub podobnie dokładne jak w przypadku złożonych metod. Średnio błędy prognoz złożonych metod były o około 32 procent większe niż błędy prognoz prostych metod w 21 badaniach, które zapewniają porównania błędów
Aby odpowiedzieć na trzecie pytanie : czy to oznacza, że coś źle skonfigurowałem? Nie, uważam ARIMA za metodę złożoną, a średnią prognozę za proste metody. Istnieje wiele dowodów na to, że proste metody, takie jak Prognoza średnia, przewyższają złożone metody, takie jak ARIMA.
Aby odpowiedzieć na drugie pytanie : Czy to oznacza, że używane przeze mnie szeregi czasowe są dziwne?
Poniżej znajdują się eksperci w dziedzinie prognozowania w świecie rzeczywistym:
- Makridakis (pionierski konkurs empiryczny dotyczący prognoz o nazwie M, M2 i M3 oraz wytyczył metody oparte na dowodach w prognozowaniu)
- Armstrong (zapewnia cenne informacje w formie książek / artykułów na temat praktyki prognozowania)
- Gardner (Wygładzanie wykładnicze według Invented Damped Trend - kolejna prosta metoda, która działa zaskakująco dobrze w porównaniu z ARIMA)
Wszyscy powyżsi badacze opowiadają się za prostotą (metody takie jak średnia prognoza) w porównaniu ze złożonymi metodami, takimi jak ARIMA. Dlatego powinieneś czuć się komfortowo, gdy twoje prognozy są dobre i zawsze preferujesz prostotę zamiast złożoności opartej na dowodach empirycznych. Wszyscy ci badacze wnieśli ogromny wkład w dziedzinie prognozowania stosowanego.
Oprócz dobrej listy prostych metod prognozowania Stephana. istnieje także inna metoda zwana metodą prognozowania Theta, która jest bardzo prostą metodą (w zasadzie Proste wygładzanie wykładnicze z dryfem równym 1/2 nachylenia regresji liniowej) Dodałbym to do twojego zestawu narzędzi. Forecast package in R
implementuje tę metodę.