Utilice Holt-Winters o ARIMA?

Mi pregunta es sobre la diferencia conceptual entre Holt-Winters y ARIMA.

Por lo que yo entiendo, Holt-Winters es un caso especial de ARIMA. Pero, ¿cuándo se prefiere un algoritmo sobre el otro? ¿Quizás Holt-Winters es incremental y, por lo tanto, sirve como un algoritmo en línea (más rápido)?

Espero tener alguna idea aquí.

Como Brian dice en su respuesta: no hay una regla simple sobre cuál es mejor. Por ejemplo, la Oficina de Estadísticas Nacionales del Reino Unido cambió de HW a ARIMA y escribió un documento al respecto y, aunque decidieron cambiarlo, probablemente fue por la potencia del paquete de software X12 (ahora X13), que está basado en ARIMA y es muy poderoso, en lugar de la técnica en sí.

Además, debe comparar las soluciones de espacio de estado (filtro de Kalman), que es aún más general. R arima, por ejemplo, utiliza una solución de espacio de estado bajo el capó.

Holt-Winters tiene tres parámetros, por lo que es simple, pero son básicamente factores de suavización, por lo que no te dice mucho si los conoces. ARIMA tiene más parámetros, y algunos de ellos tienen un significado intuitivo, pero aún no te dice mucho. El espacio de estado puede ser complejo, pero también puede modelar cosas explícitamente para obtener un mayor poder explicativo. En mi opinión, de todos modos.

He visto personas con diferentes conjuntos de datos comparar resultados de ambos algoritmos y obtener resultados diferentes. En algunos casos, el algoritmo Holt-Winters da mejores resultados que el ARIMA y en otros casos, es al revés. No creo que encuentre una respuesta explícita sobre cuándo usar una sobre la otra.

Por lo que he visto, ARIMA le permite agregar regresores independientes, mientras que Holt Winters no brinda ese lujo