使用Holt-Winters还是ARIMA？

11

我的问题是关于Holt-Winters和ARIMA之间的概念差异。

据我了解，Holt-Winters是ARIMA的特例。但是，哪种算法比另一种算法更可取呢？也许Holt-Winters是增量式的，因此可以用作内联（更快）算法？

期待在这里有一些见识。

time-series arima exponential-smoothing

— 桑迪普
source

1

有证据表明：根据M3竞赛的数据，自动指数平滑的效果略好于自动ARIMA；参见Rob J. Hyndman的博客文章“ R vs Autobox vs ForecastPro vs…”。

— 理查德·哈迪

2

在此处重复，但没有接受或认可的答案。也许我们应该合并线程。

— 理查德·哈迪

是的，一个非常相似的问题。

— sandyp

8

正如Brian在回答中所说：关于哪个更好没有简单的规则。例如，英国国家统计局从HW切换到ARIMA并在上面写了一篇论文，而他们选择切换是因为X12（现在为X13）软件包的强大功能，该软件包基于ARIMA，非常强大，而不是技术本身。

另外，您应该比较状态空间（卡尔曼过滤器）解决方案，该解决方案更为通用。arima例如，R's 在引擎盖下使用状态空间解决方案。

Holt-Winters具有三个参数，因此很简单，但它们基本上是平滑因素，因此，如果您了解它们，不会告诉您太多信息。ARIMA具有更多参数，其中一些具有一定的直观含义，但仍不能告诉您太多信息。状态空间可能很复杂，但是您也可以显式地对事物建模，以提高解释力。我认为，无论如何。

— 韦恩
source

3

我已经看到具有不同数据集的人比较两种算法的结果并获得不同的结果。在某些情况下，Holt-Winters算法比ARIMA提供更好的结果，而在其他情况下，则相反。我认为您不会在何时使用另一个上找到明确的答案。

— 布莱恩·奥唐奈
source

0

据我所知，ARIMA允许您添加独立的回归变量，而Holt Winters不提供这种奢侈

— nak5120
source