ARIMA vs. 예측을위한 모델 스무딩저는 풍력 및 태양열 발전소에 대한 시간 경과에 따른 에너지 예측을 작성하고자하는 재생 가능 에너지 고객과 협력하고 있습니다. ARIMA를 보여줄 계획 이었지만, Smoothing 모델로 시작했습니다. 어느 것이 예측을위한 당신의 opionion에서 더 낫습니다? ARIMA에서 볼 수있는 이점은 입력 기능입니다. 그러나 입력이 없으면 Smoothing이 더 좋습니까? 나는 내가 생각한 Airline Passenger 볼륨 데이터를 가지고 모델을 만들었습니다. @jiancao . AIC는 내가 선택한 ARIMA 모델에서 더 좋았지 만 Winters Method에서는 예상 값과 실제의 차이가 더 작았습니다. 생각?
다시 : ARIMA 대 예측을위한 모델 스무딩Alisa, 제 생각에 JMP에서 다른 모델과 비슷합니다. 어느 것이 가장 좋습니까? 그것은 달려있다! Rsqd / AIC / BIC /에 개선이 ... 약간의 예측 능력을 희생시키면서 약간 더 나은 예측을 보증하기에 충분하거나 모델을 더 간단하게 (즉, 설명하기 쉽다) 더 좋습니까?
몇 년 동안 ARIMA에 대한 약간의 경험이 있었지만 (전문가는 아니지만) 예측에서 꽤 좋은 것을 알았지 만 뒤에서 무슨 일이 일어나는지 설명하기는 어렵습니다. 일부 평활화 모델은 설명하기가 훨씬 쉽습니다.
아마도 이미 알고있을 것입니다.하지만 Time Series의 경우 다른 플랫폼에서 사용 된 "유효성 검사 열"과 동일한 것은 시리즈의 마지막 몇 점을 지키고 모델을 맞춘 다음 마지막 몇 점에 얼마나 잘 맞는지 확인하는 것입니다. 그런 다음 해당 점에 가장 적합한 모델을 선택하고 포함 된 점을 사용하여 동일한 모델의 복잡성을 다시 조정할 수 있습니다 (다음 모델을 예측할 준비가 됨).
그게 전혀 도움이 되나요?
다시 : ARIMA 대 예측을위한 모델 스무딩나는 Jerry와 함께 "leave-one-out"모델을 예측 모델로 사용하는 것에 동의합니다. ARIMA와 AIM에 기반한 평활화 모델을 비교하는 것에 대한 의견을 추가하고 싶습니다.
거기에 몇 가지가 있습니다. ARIMA 및 평활화 모델에 대한 등가성 관계, 그러나 그들은 모델의 두 가지 다른 계열로 간주됩니다. 따라서 AIC 우도가 다른 방식으로 계산되기 때문에 이들을 비교하는 데 사용할 수 없습니다. 즉, 후보 ARIMA 모델 사이의 ARIMA 모델 또는 후보 평활화 모델 간의 평활화 모델을 선택하는 데에만 AIC를 사용할 수 있습니다.
평탄화 방법은 시간 계열의 구성 요소 즉, 수준, 추세, 계절성 및 임의 변동을 직접 모델링하기 때문에 매력적입니다. 
그들은 모델을 개발할 필요없이 빠르고 간단한 예측을 제공합니다. 반면 ARIMA 모델은보다 정확한 예측 및 신뢰 구간을 생성 할 수 있지만 사용자로부터 더 많은 시간과 입력이 필요합니다.
(BTW, 항공사 승객 데이터는 Box 및 Jenkins의 책에서 가져온 것으로 Seriesg이라는 JMP Sample Data Library의 Time Series 하위 폴더에서 찾을 수 있습니다. )
