मैं एक प्रैक्टिशनर हूं, दोनों ही निर्माता और पूर्वानुमान के उपयोगकर्ता और प्रशिक्षित सांख्यिकीविद् नहीं। नीचे मैं अपने कुछ विचारों को साझा करता हूं कि अनुभवजन्य साक्ष्य पर भरोसा करने वाले शोध लेख का संदर्भ देकर आपका मतलब पूर्वानुमान ARIMA से बेहतर क्यों निकला। एक पुस्तक जो समय और समय पर फिर से संदर्भित करने के लिए जाती है, वह आर्मस्ट्रांग और इसकी वेबसाइट द्वारा पूर्वानुमानित पुस्तक के सिद्धांत हैं, जो कि मैं किसी भी भविष्यवक्ता के लिए एक उत्कृष्ट पढ़ने के रूप में सुझाऊंगा, उपयोग और मार्गदर्शन के सिद्धांतों पर महान जानकारी प्रदान करता है।
आपको पहले प्रश्न का उत्तर देने के लिए - मैं जानना चाहता हूं कि क्या यह असामान्य है?
टाइम-सीरीज़ और क्रॉस-सेक्शनल डेटा के लिए एक्सट्रैपलेशन नामक एक अध्याय है जो एक ही वेबसाइट में मुफ्त भी उपलब्ध है । अध्याय का उद्धरण निम्नलिखित है
"उदाहरण के लिए, वास्तविक समय एम 2-प्रतियोगिता में, जिसने 29 मासिक श्रृंखलाओं की जांच की, बॉक्स-जेनकिन्स कम से कम-सटीक विधियों में से एक साबित हुआ और इसकी समग्र औसतन त्रुटि एक भोले पूर्वानुमान के लिए 17% से अधिक थी"
इस बात का एक अनुभवजन्य साक्ष्य है कि आपके मतलब के पूर्वानुमान ARIMA मॉडल से बेहतर क्यों थे।
अनुभवजन्य प्रतियोगिताओं में अध्ययन के बाद भी अध्ययन किया गया है और तीसरी एम 3 प्रतियोगिता जो बॉक्स को दिखाती है - जेनकिंस एआरआईएमए दृष्टिकोण सटीक पूर्वानुमान का उत्पादन करने में विफल रहता है और सबूतों का अभाव है कि यह अविभाजित प्रवृत्ति एक्सट्रपलेशन के लिए बेहतर प्रदर्शन करता है।
उसी वेबसाइट में ग्रीन और आर्मस्ट्रांग द्वारा " सिंपल फोरकास्टिंग: टियर्स बिफोर बिफोर बिडेम " शीर्षक से एक अन्य शोधपत्र और एक निरंतर अध्ययन भी किया गया है । कागज के लेखक संक्षेप में इस प्रकार हैं:
कुल मिलाकर हमने 29 पेपरों की पहचान की, जिनमें जटिल तरीकों से पूर्वानुमानों की सटीकता की 94 औपचारिक तुलनाओं को शामिल किया गया है जो साधारण से-लेकिन सभी मामलों में परिष्कृत रूप से सरल नहीं हैं। अस्सी-तीन प्रतिशत तुलनाओं में पाया गया कि सरल तरीकों से पूर्वानुमान जटिल तरीकों से उन लोगों की तुलना में अधिक सटीक थे, या समान रूप से सटीक थे। औसतन, 21 अध्ययनों में सरल तरीकों से पूर्वानुमानों की त्रुटियों की तुलना में जटिल तरीकों से पूर्वानुमानों की त्रुटियां लगभग 32 प्रतिशत अधिक थीं।
आपके तीसरे प्रश्न का उत्तर देने के लिए : क्या यह दर्शाता है कि मैंने कुछ गलत किया है? नहीं, मैं ARIMA को जटिल विधि के रूप में और साधारण तरीकों के रूप में पूर्वानुमान का अनुमान लगाऊंगा। इस बात के पर्याप्त प्रमाण हैं कि औसत तरीके जैसे कि ARIMA की तरह जटिल परिणामों की भविष्यवाणी करते हैं।
अपने दूसरे प्रश्न का उत्तर देने के लिए : इसका मतलब यह है कि मैं जिस श्रृंखला का उपयोग कर रहा हूं वह अजीब है?
नीचे मैं वास्तविक दुनिया के पूर्वानुमान के विशेषज्ञ माने जाते हैं:
- मकारिदाकिस (एम, एम 2 और एम 3 नामक पूर्वानुमान पर अग्रणी अनुभवजन्य प्रतियोगिता और पूर्वानुमान के तरीकों पर आधारित साक्ष्य के लिए प्रशस्त तरीका)
- आर्मस्ट्रांग (पूर्वानुमान अभ्यास पर पुस्तकों / लेखों के रूप में मूल्यवान अंतर्दृष्टि प्रदान करता है)
- गार्डनर (इन्वेंटेड डम्प्ड ट्रेंड घातांक चौरसाई एक और सरल विधि जो आश्चर्यजनक रूप से अच्छी तरह से काम करती है ARIMA)
उपरोक्त सभी शोधकर्ता एडिमा की तरह सरलता (आपके मतलब के पूर्वानुमान जैसे तरीके) बनाम जटिल तरीके की वकालत करते हैं। इसलिए आपको सहज महसूस करना चाहिए कि आपके पूर्वानुमान अच्छे हैं और हमेशा अनुभवजन्य साक्ष्यों के आधार पर जटिलता पर सरलता का पक्ष लेते हैं। इन शोधकर्ताओं ने लागू पूर्वानुमान के क्षेत्र में बहुत योगदान दिया है।
स्टीफन की सरल पूर्वानुमान पद्धति की अच्छी सूची के अलावा। थेटा फोरकास्टिंग विधि नामक एक अन्य विधि भी है जो एक बहुत ही सरल विधि है (मूल रूप से एक बहाव के साथ सरल घातीय चौरसाई जो कि 1/2 के समान है; रैखिक प्रतिगमन का ढलान) मैं इसे आपके टूलबॉक्स में जोड़ दूंगा। Forecast package in Rइस विधि को लागू करता है।