나는 예측의 프로듀서이자 사용자이며 실무자이며 숙련 된 통계학자는 아닙니다. 아래에서는 경험적 증거에 의존하는 연구 기사를 참조하여 평균 예측이 ARIMA보다 나은 이유에 대한 몇 가지 생각을 공유합니다. 다시 한 번 참고로 돌아가는 한 권의 책은 암스트롱 의 예측 원칙 (Principles of Forecasting) 책과 그 웹 사이트 입니다.
당신에게 첫 번째 질문에 대답하기 위해 -이것이 이상한 경우인지 알고 싶습니다.
동일한 웹 사이트 에서 무료로 제공되는 시계열 및 교차 데이터에 대한 외삽이라는 장이 있습니다 . 다음은이 장의 인용문입니다
"예를 들어, 월간 시리즈 29 개를 조사한 실시간 M2 경쟁에서 Box-Jenkins는 가장 정확한 방법 중 하나이며 전체 평균 오차는 순진한 예측보다 17 % 더 컸습니다."
평균 예측이 ARIMA 모델보다 나은 이유에 대한 경험적 증거가 있습니다.
경험적 경쟁과 Box-Jenkins ARIMA 접근법을 보여주는 세 번째 M3 경쟁 에 대한 연구 후에 연구가 진행되었습니다 .
같은 웹 사이트 에 Greene and Armstrong의 " 간단한 예측 : 잠자기 전에 눈물을 피하십시오 "라는 제목의 또 다른 논문과 지속적인 연구가 있습니다. 이 논문의 저자는 다음과 같이 요약합니다.
전체적으로 우리는 복잡한 방법의 예측 정확도와 단순한 방법 (모든 경우에 정교하게 간단한 것은 아님)의 예측 정확도에 대한 94 개의 공식 비교를 통합 한 29 개의 논문을 식별했습니다. 비교의 83 %는 간단한 방법의 예측이 복잡한 방법의 예측보다 정확하거나 유사하다는 것을 발견했습니다. 평균적으로 복잡한 방법의 예측 오차는 오류 비교를 제공하는 21 개의 연구에서 간단한 방법의 예측 오차보다 약 32 % 더 컸습니다.
세 번째 질문에 대답하기 위해 : 내가 잘못 설정했음을 나타 냅니까? 아니요, ARIMA를 복잡한 방법으로, 평균 예측을 간단한 방법으로 고려합니다. 평균과 같은 간단한 방법이 ARIMA와 같은 복잡한 방법보다 성능이 우수하다는 충분한 증거가 있습니다.
두 번째 질문에 대답하려면 : 이것은 내가 사용하는 시계열이 이상하다는 것을 의미합니까?
다음은 실제 예측 전문가라고 생각한 것입니다.
- Makridakis (M, M2 및 M3이라는 예측에 대한 선구적인 경험적 경쟁, 예측의 증거 기반 방법을위한 포장 된 방법)
- 암스트롱 (예측 연습에 관한 서적 / 기사 형태의 귀중한 통찰력 제공)
- Gardner (아리마에 비해 놀랍도록 잘 작동하는 또 다른 간단한 방법을 개발 한 Damped Trend 지수 지수를 발명 함)
위의 모든 연구자들은 단순성 (평균 예측과 같은 방법) 대 ARIMA와 같은 복잡한 방법을 옹호합니다. 따라서 예측이 양호하고 경험적 증거를 기반으로 한 복잡성보다 항상 단순성을 선호한다는 점이 편안해야합니다. 이 연구원들은 모두 응용 예측 분야에 크게 기여했습니다.
Stephan의 간단한 예측 방법에 대한 훌륭한 목록 외에도. Theta 예측 방법이라는 또 다른 방법도 있습니다.이 방법 은 매우 간단한 방법입니다 (선형 회귀 기울기의 1/2에 해당하는 드리프트로 기본적으로 간단한 지수 평활).이를 도구 상자에 추가합니다. Forecast package in R
이 메소드를 구현합니다.