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.
forecasting
arima
exponential-smoothing
użytkownik1723699
źródło
źródło
Odpowiedzi:
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
źródło