Soy un profesional, tanto productor como usuario de previsiones y NO un estadístico formado. A continuación, comparto algunas de mis ideas sobre por qué su previsión media resultó mejor que ARIMA haciendo referencia a un artículo de investigación que se basa en pruebas empíricas. Un libro al que vuelvo a referirme una y otra vez es el Principios de previsión libro de Armstrong y su sitio web que recomendaría como una excelente lectura para cualquier pronosticador, proporciona una gran visión sobre el uso y los principios rectores de los métodos de extrapolación.
Para responder a su primera pregunta - Lo que quiero saber es si esto es inusual.
Hay un capítulo llamado Extrapolación para series temporales y datos transversales que también está disponible gratuitamente en el mismo sitio web . La siguiente es la cita del capítulo
"Por ejemplo, en la competición en tiempo real de M2, que examinó 29 series mensuales, Box-Jenkins demostró ser uno de los menos precisos y su error medio global fue un 17% mayor que el de un método previsión ingenua".
Existe una evidencia empírica de por qué sus previsiones medias fueron mejores que los modelos ARIMA.
También hay un estudio tras otro en las competencias empíricas y la tercera Concurso M3 que muestran que el enfoque Box - Jenkins ARIMA no produce una previsión precisa y carece de pruebas de que funcione mejor para la extrapolación de la tendencia univariante.
También hay otro documento y un estudio en curso de Greene y Armstrong titulado " Previsión simple: Evite las lágrimas antes de acostarse " en el mismo sitio web. Los autores del artículo lo resumen así:
En total identificamos 29 artículos que incorporaban 94 comparaciones formales de la precisión de las previsiones de los métodos complejos con las de los métodos sencillos, pero no en todos los casos sofisticadamente sencillos. En el 83% de las comparaciones se constató que las previsiones de de los métodos simples eran más precisas que las de los métodos complejos, o tenían una precisión similar, las de los métodos complejos. Por término medio, los errores de las previsiones de los métodos de los métodos complejos eran un 32% mayores que los errores de de los métodos simples en los 21 estudios que proporcionan comparaciones de errores
Para responder a su tercera pregunta ¿Indica esto que he configurado algo mal? No, yo consideraría el ARIMA como un método complejo y la previsión media como un método simple. Hay muchas pruebas de que los métodos simples, como la previsión media, superan a los métodos complejos, como el ARIMA.
Para responder a su segunda pregunta : ¿Significa esto que las series de tiempo que estoy usando son extrañas?
A continuación se presentan los que considero expertos en previsión del mundo real:
- Makridakis (pionero de la competencia empírica en materia de previsión denominada M, M2 y M3, y que allanó el camino para los métodos basados en la evidencia en la previsión)
- Armstrong (Proporciona valiosos conocimientos en forma de libros/artículos sobre la práctica de la previsión)
- Gardner (inventó el suavizado exponencial de la tendencia amortiguada, otro método sencillo que funciona sorprendentemente bien frente a ARIMA)
Todos los investigadores mencionados abogan por la simplicidad (métodos como su previsión media) frente a métodos complejos como ARIMA. Por lo tanto, debería estar seguro de que sus previsiones son buenas y favorecer siempre la simplicidad frente a la complejidad basándose en pruebas empíricas. Todos estos investigadores han contribuido enormemente al campo de la previsión aplicada.
Además de la buena lista de Stephan sobre el método de previsión simple. también hay otro método llamado Método de previsión Theta que es un método muy simple (básicamente el suavizado exponencial simple con una deriva que es igual a la mitad de la pendiente de la regresión lineal) yo añadiría esto a su caja de herramientas. Forecast package in R
implementa este método.