Quando utilizzare il livellamento esponenziale vs ARIMA?

Di recente ho aggiornato le mie conoscenze di previsione mentre lavoravo ad alcune previsioni mensili sul lavoro e leggevo il libro di Rob Hyndman, ma l'unico posto in cui sto lottando è quando usare un modello di livellamento esponenziale rispetto a un modello ARIMA. Esiste una regola empirica in cui dovresti usare una metodologia contro un'altra?

Inoltre, poiché non è possibile utilizzare AIC per confrontare i due, è sufficiente utilizzare RMSE, MAE, ecc.?

Attualmente sto solo costruendo alcuni di ciascuno e confrontando le misure di errore, ma non ero sicuro che ci fosse un approccio migliore da adottare.

forecasting arima exponential-smoothing

— user1723699
fonte

Come ricordo dal libro di Hyndman, un punto importante delle tecniche di smoothing è di lisciare i dati. Non considera il rumore o la volatilità del rumore. Può essere utilizzato per le previsioni, ma questo non sembra essere il punto principale.

— Meh

@aginensky, il livellamento esponenziale è sicuramente una tecnica di previsione popolare ed efficace. Immagino che l'uso principale dei modelli di livellamento esponenziale non sia altro che la previsione.

— Richard Hardy,

È corretto, infatti fino a poco tempo fa non esisteva un modello di livellamento esponenziale ; il livellamento esponenziale era solo un algoritmo per calcolare le previsioni, nient'altro.

— Chris Haug,

Il livellamento esponenziale è in realtà un sottoinsieme di un modello ARIMA. Non vuoi assumere un modello, ma piuttosto creare un modello personalizzato per i dati. Il processo ARIMA ti consente di farlo, ma devi considerare anche altri elementi. È necessario identificare e regolare anche per i valori anomali. Vedi di più sul lavoro di Tsay con gli outlier qui

— Tom Reilly
fonte

In senso lato, il livellamento esponenziale non è un sottoinsieme dei modelli ARIMA, sebbene lo siano effettivamente i modelli di livellamento esponenziale lineare . Vedi Hyndman & Athanasopoulos "Previsioni: principi e pratica" Sezione 8.10 .

— Richard Hardy,

Sì hai ragione. È vero che esistono modelli ARIMA senza controparte ETS. readbag.com/robjhyndman-research-rtimeseries-handout Avresti un set di dati di esempio a cui puoi indicarmi che sarebbe un buon punto di riferimento per questo?

— Tom Reilly,

Non ho un buon set di dati per il benchmarking, no.

— Richard Hardy,

Dovrei aggiungere che Autobox (un software di cui faccio parte) non limita il coefficiente <1, quindi per Autobox imita le proprietà non lineari. ETS ignora anche 1) Impulsi, Spostamenti di livello, Impulsi stagionali e una e solo 1 tendenza; 2) costanza della varianza dell'errore; 3) costanza dei parametri nel tempo.

— Tom Reilly,