时间序列:ARIMA和holt-winters

Barclaeys

你好,
有人能用简单的话(我希望)解释一下ARIMA和Holt-Winters模型之间的区别吗?它们在概念上有什么不同，它将如何改变预测的结果?
多谢! !
巴特

David_A

嗨,巴特,

简而言之，基本的区别在于，ARIMA结合了一个自回归部分(即名称中的AR部分)，这意味着每个点都受到它之前的值的影响，以及一个移动平均部分(即名称中的MA部分)，这基本上是几个点的线性组合。这两个部分被整合在一起(I)，以适合该系列的最佳模型。

相反，Holt-Winters将该系列数据分成几个部分(一个线性预测，一个趋势成分和一个重复的季节成分)，然后将结果重新组合在一起。

这两种不同的方法可以从预测的结果和形式中看出。

ARIMA的预测可能看起来相当“无聊”，因为它通常是一条直线，没有显示出任何偏离模式。但对于潜在的数学模型来说，这是最合适的。

相比之下，霍尔特-温特斯(Holt-Winters)，尤其是在存在强烈的季节性模式时(季节性取决于数据，但通常是像每日、每周或每月的模式)，构建的预测看起来更接近原始数据。在试图解释或销售您的模型时，这总是很好的，但这也可能有点欺骗性。

因此，一般来说，ARIMA始终是一个很好的起点，但一旦假设数据中存在某些重复模式(因为您对其背后的真实过程有一些了解)，Holt-Winters可能会给出更好的结果。

我希望这对你有所帮助。

最好的
大卫

Barclaeys

谢谢大卫，清晰易懂。感谢。