ฉันเป็นผู้ปฏิบัติงานทั้งผู้ผลิตและผู้ใช้งานของการพยากรณ์และไม่ใช่นักสถิติที่ผ่านการฝึกอบรมมาแล้ว ด้านล่างฉันแบ่งปันความคิดของฉันเกี่ยวกับสาเหตุที่การคาดคะเนเฉลี่ยของคุณดีกว่า ARIMA โดยอ้างอิงจากบทความวิจัยที่อาศัยหลักฐานเชิงประจักษ์ หนังสือเล่มหนึ่งที่ครั้งแล้วครั้งเล่าที่ฉันกลับไปอ้างถึงเป็นหนังสือหลักการของการพยากรณ์โดยอาร์มสตรองและเว็บไซต์ซึ่งฉันอยากจะแนะนำให้อ่านอย่างดีเยี่ยมสำหรับผู้ทำนายใด ๆ ให้ข้อมูลเชิงลึกที่ยอดเยี่ยมเกี่ยวกับการใช้งาน
เพื่อตอบคำถามแรกของคุณ - สิ่งที่ฉันต้องการทราบคือถ้านี่เป็นเรื่องผิดปกติหรือไม่?
มีบทที่เรียกว่าการคาดการณ์สำหรับ Time-Series และข้อมูลภาคตัดขวางเป็นที่ยังสามารถใช้ได้ฟรีในเดียวกันเว็บไซต์ ต่อไปนี้เป็นคำพูดจากบทที่
"ตัวอย่างเช่นในการแข่งขัน M2 แบบเรียลไทม์ซึ่งตรวจสอบ 29 ชุดข้อมูลรายเดือน Box-Jenkins พิสูจน์แล้วว่าเป็นหนึ่งในวิธีการที่มีความแม่นยำน้อยที่สุดและข้อผิดพลาดโดยรวมอยู่ที่ 17% มากกว่าที่คาดการณ์ไร้เดียงสา"
มีหลักฐานเชิงประจักษ์เกี่ยวกับสาเหตุที่การคาดคะเนเฉลี่ยของคุณดีกว่าแบบจำลอง ARIMA
นอกจากนี้ยังมีการศึกษาหลังการศึกษาในการแข่งขันเชิงประจักษ์และการแข่งขัน M3ครั้งที่สามที่แสดงวิธีการ Box - Jenkins ARIMA ล้มเหลวในการสร้างการคาดการณ์ที่แม่นยำและขาดหลักฐานที่แสดงว่าทำงานได้ดีขึ้นสำหรับการคาดการณ์แนวโน้มที่ไม่แปรเปลี่ยน
นอกจากนี้ยังมีรายงานฉบับอื่นและการศึกษาอย่างต่อเนื่องของกรีนและอาร์มสตรองในหัวข้อ "การพยากรณ์อย่างง่าย: หลีกเลี่ยงน้ำตาก่อนนอน " ในเว็บไซต์เดียวกัน ผู้เขียนบทความสรุปดังนี้:
โดยรวมแล้วเราพบว่ามี 29 กระดาษที่รวม 94 การเปรียบเทียบอย่างเป็นทางการของความถูกต้องของการคาดการณ์จากวิธีการที่ซับซ้อนกับที่มาจากง่าย - แต่ไม่ใช่ในทุกกรณีอย่างง่ายซับซ้อน - วิธีการ ร้อยละแปดสิบสามของการเปรียบเทียบพบว่าการคาดการณ์จากวิธีการง่าย ๆ มีความแม่นยำมากกว่าหรือแม่นยำกว่าในทำนองเดียวกันกับวิธีการที่ซับซ้อน โดยเฉลี่ยแล้วข้อผิดพลาดของการพยากรณ์จากวิธีการที่ซับซ้อนนั้นสูงกว่าข้อผิดพลาดของการคาดการณ์ประมาณ 32 เปอร์เซ็นต์จากวิธีการง่าย ๆ ในการศึกษา 21 ครั้งที่ให้การเปรียบเทียบข้อผิดพลาด
หากต้องการตอบคำถามที่สามของคุณ : สิ่งนี้บ่งชี้ว่าฉันได้ตั้งสิ่งผิดปกติหรือไม่? ไม่ฉันจะพิจารณา ARIMA เป็นวิธีการที่ซับซ้อนและการพยากรณ์ค่าเฉลี่ยเป็นวิธีการง่ายๆ มีหลักฐานเพียงพอที่วิธีการง่าย ๆ เช่นการคาดการณ์ค่าเฉลี่ยมีประสิทธิภาพสูงกว่าวิธีการที่ซับซ้อนเช่น ARIMA
เพื่อตอบคำถามที่สองของคุณ : นี่หมายความว่าซีรี่ส์ที่ฉันใช้แปลกหรือไม่?
ด้านล่างนี้คือสิ่งที่ฉันถือว่าเป็นผู้เชี่ยวชาญในการพยากรณ์โลกแห่งความจริง:
- Makridakis (บุกเบิกการแข่งขันเชิงประจักษ์เกี่ยวกับการพยากรณ์ที่เรียกว่า M, M2 และ M3 และปูทางสำหรับวิธีการตามหลักฐานในการพยากรณ์)
- Armstrong (ให้ข้อมูลเชิงลึกที่มีค่าในรูปแบบของหนังสือ / บทความเกี่ยวกับการพยากรณ์การปฏิบัติ)
- Gardner (Invented Damped Trend ชี้แจงวิธีการแบบเรียบง่ายอีกวิธีหนึ่งซึ่งทำงานได้ดีอย่างน่าประหลาดใจกับ ARIMA)
นักวิจัยทั้งหมดข้างต้นสนับสนุนความเรียบง่าย (วิธีการเช่นการพยากรณ์ค่าเฉลี่ยของคุณ) กับวิธีการที่ซับซ้อนเช่น ARIMA ดังนั้นคุณควรรู้สึกสะดวกสบายที่การคาดการณ์ของคุณดีและชอบความเรียบง่ายมากกว่าความซับซ้อนตามหลักฐานเชิงประจักษ์ นักวิจัยเหล่านี้ล้วนมีส่วนสำคัญในการพยากรณ์ประยุกต์อย่างมาก
นอกจากรายการวิธีการพยากรณ์อย่างง่ายของสเตฟานแล้ว นอกจากนี้ยังมีวิธีอื่นที่เรียกว่าวิธีการพยากรณ์ Thetaซึ่งเป็นวิธีที่ง่ายมาก (โดยทั่วไปคือการยกกำลังแบบเอ็กซ์โปเนนเชียลแบบเรียบกับดริฟท์เท่ากับ 1/2 ความชันของการถดถอยเชิงเส้น) ฉันจะเพิ่มสิ่งนี้ลงในกล่องเครื่องมือของคุณ Forecast package in Rใช้วิธีนี้