何时使用指数平滑vs ARIMA？

最近，我在工作时进行一些月度预测并阅读Rob Hyndman的书时一直在刷新我的预测知识，但我苦苦挣扎的一个地方是何时使用指数平滑模型与ARIMA模型。根据经验，应该使用一种方法还是另一种方法？

另外，由于您无法使用AIC进行比较，因此您只需要按RMSE，MAE等进行比较？

目前，我只是每个都建立一些并比较错误度量，但是我不确定是否有更好的方法。

forecasting arima exponential-smoothing

— 用户名
source

就像我在Hyndman的书中回忆到的那样，平滑技术的主要目的是平滑数据。它不考虑噪声或噪声的挥发性。它可以用于预测，但这似乎不是重点。

— 2016年

@aginensky，指数平滑无疑是一种流行且有效的预测技术。我猜想指数平滑模型的主要用途只是预测。

— 理查德·哈迪

没错，实际上直到最近才出现指数平滑模型。指数平滑只是用于计算预测的算法，仅此而已。

— 克里斯·豪格

指数平滑实际上是ARIMA模型的子集。您不想假设一个模型，而是要为数据构建一个定制的模型。ARIMA流程让您做到这一点，但您还需要考虑其他事项。您还需要识别和调整异常值。在此处查看有关Tsay与异常值一起工作的更多信息

— 汤姆·赖利
source

从广义上讲，指数平滑不是ARIMA模型的子集，尽管线性指数平滑模型确实是。参见Hyndman＆Athanasopoulos的“预测：原则和实践” 第8.10节。

— 理查德·哈迪

是的，你是对的。确实有ARIMA模型没有ETS对应物。readbag.com/robjhyndman-research-rtimeseries-handout 是否会有一个示例数据集，您可以为我指出，这将是一个很好的基准？

— 汤姆·赖利

我没有用于基准测试的良好数据集，不。

— 理查德·哈迪

我应该补充一点，Autobox（属于我的软件）不会限制系数<1，因此对于Autobox，它会模仿非线性属性。ETS还忽略了1）波动，水平移动，季节性波动以及仅一种趋势；2）误差方差的恒定性；3）参数随时间变化的恒定性。

— 汤姆·赖利