指数平滑法とARIMAを使用する場合

私は最近、毎月の予測に取り組み、Rob Hyndmanの本を読みながら、予測の知識を更新していますが、私が苦労しているのは、指数平滑化モデルとARIMAモデルのどちらを使用するかです。ある方法論と別の方法論のどちらを使用するべきかという経験則はありますか？

また、AICを使用して2つを比較することはできないので、RMSE、MAEなどを使用する必要がありますか？

現在、それぞれをいくつか作成してエラー測定値を比較していますが、より良いアプローチがあるかどうかはわかりません。

forecasting arima exponential-smoothing

— user1723699
ソース

Hyndmanの本を思い出すと、平滑化手法の主なポイントはデータを平滑化することです。ノイズやノイズのボラティリティは考慮されません。これは予測に使用できますが、それが主なポイントではないようです。

— まあまあ

@aginensky、指数平滑法は、人気のある効果的な予測手法です。指数平滑法モデルの主な用途は予測に他ならないでしょう。

— Richard Hardy

正解です。実際、最近まで、指数平滑法モデルなどはありませんでした。指数平滑だっただけで、アルゴリズムの予測、他には何を計算します。

— Chris Haug 2017年

指数平滑法は、実際にはARIMAモデルのサブセットです。モデルを想定するのではなく、データ用にカスタマイズされたモデルを構築します。ARIMAプロセスではそれを実行できますが、他の項目についても考慮する必要があります。外れ値も特定して調整する必要があります。外れ値とTsayの仕事の詳細を参照してくださいここに

— トム・ライリー
ソース

広い意味では、指数平滑化はARIMAモデルのサブセットではありませんが、線形指数平滑化モデルは確かにそうです。Hyndman＆Athanasopoulosの「予測：原則と実践」セクション8.10を参照してください。

— Richard Hardy

はい。それで合っています。ETSに対応するものがないARIMAモデルがあるのは事実です。readbag.com/robjhyndman-research-rtimeseries-handout これを示すための良いベンチマークとなるサンプルデータセットを教えていただけますか？

— トムライリー

ベンチマーク用の適切なデータセットがありません。

— Richard Hardy

Autobox（私がの一部であるソフトウェア）は係数<1を制限しないので、Autoboxでは非線形プロパティを模倣することを追加する必要があります。ETSはまた、1）パルス、レベルシフト、季節パルス、および唯一の1つのトレンドを無視します。2）エラー分散の不変性; 3）時間の経過に伴うパラメーターの不変性。

— トムライリー