Quando usar a suavização exponencial versus o ARIMA?

12

Recentemente, atualizei meus conhecimentos de previsão enquanto trabalhava em algumas previsões mensais no trabalho e lia o livro de Rob Hyndman, mas o único lugar em que estou lutando é quando usar um modelo de suavização exponencial versus um modelo ARIMA. Existe uma regra prática em que você deve usar uma metodologia versus outra?

Além disso, como você não pode usar o AIC para comparar os dois, basta seguir o RMSE, MAE, etc?

Atualmente, estou apenas construindo alguns de cada um e comparando as medidas de erro, mas não tinha certeza se havia uma abordagem melhor a ser adotada.

user1723699
fonte
Pelo que me lembro do livro de Hyndman, um ponto importante das técnicas de suavização é suavizar os dados. Não considera ruído ou volatilidade do ruído. Pode ser usado para previsões, mas esse não parece ser o ponto principal.
meh
3
@aginensky, a suavização exponencial é definitivamente uma técnica de previsão popular e eficaz. Eu acho que o principal uso dos modelos de suavização exponencial não passa de previsão.
Richard Hardy
Está correto, de fato, até recentemente, não havia um modelo de suavização exponencial ; a suavização exponencial era apenas um algoritmo para calcular previsões, nada mais.
Chris Haug

Respostas:

4

A suavização exponencial é de fato um subconjunto de um modelo ARIMA. Você não deseja assumir um modelo, mas criar um modelo personalizado para os dados. O processo ARIMA permite fazer isso, mas você também precisa considerar outros itens. Você precisa identificar e ajustar também os outliers. Veja mais sobre o trabalho de Tsay com outliers aqui

Tom Reilly
fonte
1
Em um sentido amplo, a suavização exponencial não é um subconjunto dos modelos ARIMA, embora os modelos de suavização exponencial linear sejam de fato. Veja Hyndman & Athanasopoulos "Previsão: Princípios e Prática", Seção 8.10 .
Richard Hardy
Sim você está correto. É verdade que existem modelos ARIMA sem contrapartida no ETS. readbag.com/robjhyndman-research-rtimeseries-handout Teria um exemplo de conjunto de dados que você pode apontar para mim que seria uma boa referência para isso?
21416 Tom Reilly às
Não tenho um bom conjunto de dados para benchmarking, não.
Richard Hardy
Devo acrescentar que o Autobox (um software do qual faço parte) não restringe o coeficiente <1; portanto, para o Autobox, ele simula propriedades não lineares. O ETS também ignora 1) Pulsos, Mudanças de Nível, Pulsos Sazonais e uma e apenas 1 tendência; 2) constância da variação do erro; 3) constância dos parâmetros ao longo do tempo.
Re: Tom Reilly