Kiedy stosować Wygładzanie wykładnicze vs ARIMA?


12

Niedawno odświeżyłem swoją wiedzę na temat prognozowania, pracując nad niektórymi miesięcznymi prognozami w pracy i czytając książkę Roba Hyndmana, ale jedyne miejsce, w którym walczę, to kiedy zastosować model wygładzania wykładniczego w porównaniu z modelem ARIMA. Czy istnieje ogólna zasada, w której należy stosować jedną metodologię zamiast innej?

Ponadto, ponieważ nie można użyć AIC do porównania tych dwóch, wystarczy przejść przez RMSE, MAE itp.?

Obecnie buduję tylko kilka z nich i porównuję miary błędów, ale nie byłem pewien, czy można zastosować lepsze podejście.


Jak pamiętam z książki Hyndmana, głównym celem technik wygładzania jest wygładzenie danych. Nie uwzględnia hałasu ani lotności hałasu. Można go wykorzystać do przewidywania, ale to nie wydaje się być głównym celem.
meh

3
@aginensky, wygładzanie wykładnicze jest zdecydowanie popularną i skuteczną techniką prognozowania. Sądzę, że głównym zastosowaniem modeli wygładzania wykładniczego jest nic innego jak prognozowanie.
Richard Hardy,

To prawda, w rzeczywistości do niedawna nie było czegoś takiego jak wykładniczy model wygładzania ; wykładniczy wygładzanie był tylko algorytm do obliczania prognoz, nic innego.
Chris Haug,

Odpowiedzi:


4

Wygładzanie wykładnicze jest tak naprawdę podzbiorem modelu ARIMA. Nie chcesz zakładać modelu, a raczej zbudować dostosowany model danych. Proces ARIMA pozwala ci to zrobić, ale musisz również wziąć pod uwagę inne elementy. Musisz również zidentyfikować i dostosować wartości odstające. Więcej informacji na temat pracy Tsaya z wartościami odstającymi można znaleźć tutaj


1
W szerokim sensie wygładzanie wykładnicze nie jest podzbiorem modeli ARIMA, chociaż faktycznie są to modele liniowe wygładzanie wykładnicze. Patrz Hyndman i Athanasopoulos „Prognozowanie: zasady i praktyka” rozdział 8.10 .
Richard Hardy,

Tak, masz rację. To prawda, że ​​istnieją modele ARIMA bez odpowiednika ETS. readbag.com/robjhyndman-research-rtimeseries-handout Czy miałbyś przykładowy zestaw danych, który możesz mi wskazać, co byłoby dobrym punktem odniesienia dla tego?
Tom Reilly,

Nie mam dobrego zestawu danych do testów porównawczych, nie.
Richard Hardy,

Powinienem dodać, że Autobox (oprogramowanie, którego jestem częścią) nie ogranicza współczynnika <1, więc dla Autobox naśladuje właściwości nieliniowe. ETS ignoruje również 1) impulsy, zmiany poziomów, sezonowe impulsy i jeden i tylko jeden trend; 2) stałość wariancji błędu; 3) stałość parametrów w czasie.
Tom Reilly,
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.