Utilisez Holt-Winters ou ARIMA?

Ma question porte sur la différence conceptuelle entre Holt-Winters et ARIMA.

Autant que je sache, Holt-Winters est un cas particulier d'ARIMA. Mais quand un algorithme est-il préféré à l'autre? Peut-être que Holt-Winters est incrémental et sert donc d'algorithme en ligne (plus rapide)?

Dans l'attente de quelques informations ici.

Comme Brian le dit dans sa réponse: il n'y a pas de règle simple pour savoir laquelle est la meilleure. Par exemple, l'Office for National Statistics du Royaume-Uni est passé de HW à ARIMA et a écrit un document à ce sujet et bien qu'il ait choisi de le faire, c'était probablement en raison de la puissance du progiciel X12 (maintenant X13), qui est basé sur ARIMA et très puissant, plutôt que la technique elle-même.

Vous devez également comparer les solutions State Space (Kalman Filter), ce qui est encore plus général. R arima, par exemple, utilise une solution State Space sous le capot.

Holt-Winters a trois paramètres, donc c'est simple, mais ce sont essentiellement des facteurs de lissage, donc cela ne vous dit pas grand-chose si vous les connaissez. ARIMA a plus de paramètres, et certains d'entre eux ont une signification intuitive, mais cela ne vous dit toujours pas grand-chose. L'espace d'état peut être complexe, mais vous pouvez également modéliser explicitement les choses pour un plus grand pouvoir explicatif. À mon avis, de toute façon.

J'ai vu des gens avec différents ensembles de données comparer les résultats des deux algorithmes et obtenir des résultats différents. Dans certains cas, l'algorithme Holt-Winters donne de meilleurs résultats que l'ARIMA et dans d'autres cas, c'est l'inverse. Je ne pense pas que vous trouverez une réponse explicite sur le moment d'utiliser l'un sur l'autre.

D'après ce que j'ai vu, ARIMA vous permet d'ajouter des régresseurs indépendants alors que Holt Winters n'offre pas ce luxe