내 질문은 Holt-Winters와 ARIMA의 개념적 차이에 관한 것입니다.
내가 이해하는 한 Holt-Winters는 ARIMA의 특별한 경우입니다. 그러나 한 알고리즘이 언제 다른 알고리즘보다 선호됩니까? 아마도 Holt-Winters는 점증 적이므로 인라인 (빠른) 알고리즘의 역할을합니까?
통찰력을 기대합니다.
내 질문은 Holt-Winters와 ARIMA의 개념적 차이에 관한 것입니다.
내가 이해하는 한 Holt-Winters는 ARIMA의 특별한 경우입니다. 그러나 한 알고리즘이 언제 다른 알고리즘보다 선호됩니까? 아마도 Holt-Winters는 점증 적이므로 인라인 (빠른) 알고리즘의 역할을합니까?
통찰력을 기대합니다.
답변:
브라이언은 그의 대답에서 다음과 같이 말합니다. 어느 쪽이 더 나은지에 대한 간단한 규칙은 없습니다. 예를 들어, 영국 통계청은 HW에서 ARIMA로 전환 하여 논문을 작성했으며, 전환하기로 선택한 동안 ARIMA 기반의 X12 (현재 X13) 소프트웨어 패키지의 강력한 기능 때문일 수 있습니다. 기술 자체보다는 강력합니다.
또한 더 일반적인 State Space (Kalman Filter) 솔루션을 비교해야합니다. arima
예를 들어, R 's 는 후드 아래의 State Space 솔루션을 사용합니다.
Holt-Winters에는 세 가지 매개 변수가 있으므로 간단하지만 기본적으로 요소를 매끄럽게 만들므로 알고 있는지 많이 알려주지 않습니다. ARIMA에는 더 많은 매개 변수가 있으며 그 중 일부는 직관적 인 의미를 갖지만 여전히 많은 정보를 제공하지는 않습니다. State Space는 복잡 할 수 있지만 설명력을 높이기 위해 명시 적으로 모델링 할 수도 있습니다. 어쨌든 내 의견으로는.