Gunakan Holt-Winters atau ARIMA?

Pertanyaan saya adalah tentang perbedaan konseptual antara Holt-Winters dan ARIMA.

Sejauh yang saya mengerti, Holt-Winters adalah kasus khusus ARIMA. Tetapi kapan satu algoritma lebih disukai dari yang lain? Mungkin Holt-Winters bersifat inkremental dan karenanya berfungsi sebagai algoritma inline (lebih cepat)?

Menantikan beberapa wawasan di sini.

Seperti yang dikatakan Brian dalam jawabannya: tidak ada aturan sederhana yang lebih baik. Misalnya, Kantor Statistik Nasional Inggris beralih dari HW ke ARIMA dan menulis makalah tentang itu dan sementara mereka memilih untuk beralih itu mungkin karena kekuatan paket perangkat lunak X12 (sekarang X13), yang berbasis ARIMA dan sangat kuat, bukan teknik itu sendiri.

Juga, Anda harus membandingkan solusi State Space (Kalman Filter), yang bahkan lebih umum. R's arima, misalnya, menggunakan solusi State Space di bawah tenda.

Holt-Winters memiliki tiga parameter, jadi sederhana, tetapi pada dasarnya mereka adalah faktor penghalus sehingga tidak banyak memberi tahu Anda jika Anda mengetahuinya. ARIMA memiliki lebih banyak parameter, dan beberapa di antaranya memiliki makna intuitif, tetapi masih tidak banyak memberi tahu Anda. State Space bisa rumit, tetapi Anda juga bisa secara eksplisit memodelkan hal-hal untuk kekuatan penjelas yang lebih besar. Menurut saya, bagaimanapun juga.

Saya telah melihat orang dengan set data yang berbeda membandingkan hasil dari kedua algoritma dan mendapatkan hasil yang berbeda. Dalam beberapa kasus, algoritma Holt-Winters memberikan hasil yang lebih baik daripada ARIMA dan dalam kasus lain, itu sebaliknya. Saya tidak berpikir Anda akan menemukan jawaban eksplisit tentang kapan harus menggunakan satu di atas yang lain.

Dari apa yang saya lihat, ARIMA memungkinkan Anda untuk menambahkan regressor independen sedangkan Holt Winters tidak memberikan kemewahan itu