Używać Holt-Winters czy ARIMA?

Moje pytanie dotyczy różnic koncepcyjnych między Holt-Winters a ARIMA.

O ile rozumiem, Holt-Winters jest szczególnym przypadkiem ARIMA. Ale kiedy preferowany jest jeden algorytm? Być może Holt-Winters jest inkrementalny i dlatego służy jako wbudowany (szybszy) algorytm?

Czekam na wgląd tutaj.

Jak mówi Brian w swojej odpowiedzi: nie ma prostej reguły, która jest lepsza. Na przykład brytyjski urząd statystyki krajowej przeszedł z HW na ARIMA i napisał na ten temat artykuł, a chociaż postanowił go zmienić, prawdopodobnie wynikało to z możliwości pakietu oprogramowania X12 (obecnie X13), który jest oparty na ARIMA i bardzo potężny, a nie sama technika.

Powinieneś także porównać rozwiązania State Space (Filtr Kalmana), co jest jeszcze bardziej ogólne. Na arimaprzykład R używa rozwiązania State Space pod maską.

Holt-Winters ma trzy parametry, więc jest to proste, ale są one w zasadzie czynnikami wygładzającymi, więc nie mówią wiele, jeśli je znasz. ARIMA ma więcej parametrów, a niektóre z nich mają pewne intuicyjne znaczenie, ale wciąż niewiele mówi. Przestrzeń stanów może być złożona, ale możesz także jawnie modelować rzeczy w celu uzyskania większej mocy wyjaśniania. W każdym razie moim zdaniem.

Widziałem osoby o różnych zestawach danych porównujące wyniki z obu algorytmów i otrzymujące różne wyniki. W niektórych przypadkach algorytm Holta-Wintersa daje lepsze wyniki niż ARIMA, aw innych przypadkach jest na odwrót. Nie sądzę, abyś znalazł jednoznaczną odpowiedź na to, kiedy użyć jednego nad drugim.

Z tego, co widziałem, ARIMA pozwala dodawać niezależne regresory, podczas gdy Holt Winters nie zapewnia tego luksusu