Use Holt-Winters ou ARIMA?

Minha pergunta é sobre a diferença conceitual entre Holt-Winters e ARIMA.

Pelo que entendi, Holt-Winters é um caso especial do ARIMA. Mas quando um algoritmo é preferido em relação ao outro? Talvez Holt-Winters seja incremental e, portanto, sirva como um algoritmo em linha (mais rápido)?

Ansioso por algumas dicas aqui.

Como Brian diz em sua resposta: não existe uma regra simples sobre qual é a melhor. Por exemplo, o Escritório de Estatísticas Nacionais do Reino Unido mudou de HW para ARIMA e escreveu um artigo sobre o assunto. Embora eles tenham optado por mudar, provavelmente foi devido ao poder do pacote de software X12 (agora X13), que é baseado em ARIMA e muito poderoso, ao invés da própria técnica.

Além disso, você deve comparar as soluções State Space (Kalman Filter), que são ainda mais gerais. Os R's arima, por exemplo, usam uma solução State Space sob o capô.

O Holt-Winters possui três parâmetros, por isso é simples, mas eles são basicamente fatores de suavização, para que não lhe diga muito se você os conhece. O ARIMA tem mais parâmetros, e alguns deles têm algum significado intuitivo, mas ainda não lhe diz muito. O Espaço de Estado pode ser complexo, mas você também pode modelar explicitamente as coisas para obter maior poder explicativo. Na minha opinião, de qualquer maneira.

Vi pessoas com diferentes conjuntos de dados comparar resultados de ambos os algoritmos e obter resultados diferentes. Em alguns casos, o algoritmo Holt-Winters fornece melhores resultados que o ARIMA e, em outros casos, é o contrário. Eu não acho que você encontrará uma resposta explícita sobre quando usar um sobre o outro.

Pelo que vi, o ARIMA permite adicionar regressores independentes, enquanto Holt Winters não fornece esse luxo