Sử dụng Holt-Winters hoặc ARIMA?

Câu hỏi của tôi là xung quanh sự khác biệt về khái niệm giữa Holt-Winters và ARIMA.

Theo tôi hiểu, Holt-Winters là trường hợp đặc biệt của ARIMA. Nhưng khi một thuật toán được ưa thích hơn thuật toán kia? Có lẽ Holt-Winters là gia tăng và do đó phục vụ như một thuật toán nội tuyến (nhanh hơn)?

Mong chờ một cái nhìn sâu sắc ở đây.

Như Brian nói trong câu trả lời của mình: không có quy tắc đơn giản nào là tốt hơn. Ví dụ, Văn phòng Thống kê Quốc gia của Vương quốc Anh đã chuyển từ CTNH sang ARIMA và viết một bài báo về nó và trong khi họ chọn chuyển đổi có lẽ là do sức mạnh của gói phần mềm X12 (nay là X13), dựa trên ARIMA và rất mạnh mẽ, hơn là kỹ thuật chính nó.

Ngoài ra, bạn nên so sánh các giải pháp Không gian Nhà nước (Bộ lọc Kalman), thậm chí còn tổng quát hơn. arimaVí dụ, R sử dụng giải pháp Không gian Nhà nước dưới mui xe.

Holt-Winters có ba tham số, vì vậy nó đơn giản, nhưng về cơ bản chúng là các yếu tố làm mịn nên nó không cho bạn biết nhiều nếu bạn biết chúng. ARIMA có nhiều tham số hơn và một số trong số chúng có ý nghĩa trực quan, nhưng nó vẫn không cho bạn biết nhiều. Không gian trạng thái có thể phức tạp, nhưng bạn cũng có thể mô hình hóa rõ ràng mọi thứ để có sức mạnh giải thích lớn hơn. Theo tôi, dù sao đi nữa.

Tôi đã thấy những người có bộ dữ liệu khác nhau so sánh kết quả từ cả hai thuật toán và nhận được kết quả khác nhau. Trong một số trường hợp, thuật toán Holt-Winters cho kết quả tốt hơn ARIMA và trong các trường hợp khác, đó là cách khác. Tôi không nghĩ rằng bạn sẽ tìm thấy một câu trả lời rõ ràng khi nào nên sử dụng cái này hơn cái kia.

Từ những gì tôi đã thấy, ARIMA cho phép bạn thêm các biến hồi quy độc lập trong khi Holt Winters không cung cấp sự xa xỉ đó