¿Cuándo usar el suavizado exponencial vs ARIMA?

Recientemente he estado actualizando mis conocimientos de pronóstico mientras trabajaba en algunos pronósticos mensuales en el trabajo y leía el libro de Rob Hyndman, pero el único lugar en el que estoy luchando es cuándo usar un modelo de suavizado exponencial frente a un modelo ARIMA. ¿Existe una regla general en la que debería usar una metodología versus otra?

Además, dado que no puede usar AIC para comparar los dos, ¿tiene que ir por RMSE, MAE, etc.?

Actualmente solo estoy construyendo algunos de cada uno y comparando las medidas de error, pero no estaba seguro de si había un mejor enfoque para tomar.

forecasting arima exponential-smoothing

— usuario1723699
fuente

Como recuerdo del libro de Hyndman, un punto importante de las técnicas de suavizado es suavizar los datos. No considera el ruido o la volatilidad del ruido. Se puede usar para predicciones, pero ese no parece ser el punto principal.

— meh

@aginensky, el suavizado exponencial es definitivamente una técnica de pronóstico popular y efectiva. Supongo que el uso principal de los modelos de suavizado exponencial no es más que pronósticos.

— Richard Hardy

Eso es correcto, de hecho, hasta hace poco no existía un modelo de suavizado exponencial ; El suavizado exponencial era solo un algoritmo para calcular pronósticos, nada más.

— Chris Haug

El suavizado exponencial es, de hecho, un subconjunto de un modelo ARIMA. No desea asumir un modelo, sino crear un modelo personalizado para los datos. El proceso ARIMA te permite hacer eso, pero también debes considerar otros elementos. También debe identificar y ajustar los valores atípicos. Vea más sobre el trabajo de Tsay con valores atípicos aquí

— Tom Reilly
fuente

En un sentido amplio, el suavizado exponencial no es un subconjunto de los modelos ARIMA, aunque los modelos de suavizado exponencial lineal sí lo son. Ver Hyndman & Athanasopoulos "Pronóstico: Principios y práctica" Sección 8.10 .

— Richard Hardy

Sí, estás en lo correcto. Es cierto que hay modelos ARIMA sin contraparte ETS. readbag.com/robjhyndman-research-rtimeseries-handout ¿Tendría un conjunto de datos de ejemplo al que me pueda indicar que sería un buen punto de referencia para esto?

— Tom Reilly

No tengo un buen conjunto de datos para la evaluación comparativa, no.

— Richard Hardy

Debo agregar que Autobox (un software del que formo parte) no restringe el coeficiente <1, por lo que para Autobox sí imita propiedades no lineales. ETS también ignora 1) Pulsos, cambios de nivel, pulsos estacionales y una y solo 1 tendencia; 2) constancia de la varianza del error; 3) constancia de los parámetros a lo largo del tiempo.

— Tom Reilly