การศึกษาเปรียบเทียบตัวแบบการพยากรณ์ สำหรับอนุกรมเวลาที่มีความถี่ของข้อมูลและโดเมนที่แตกต่างกัน โดยใช้ชุดข้อมูลการแข่งขันการพยากรณ์ M4

งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบประสิทธิภาพของตัวแบบการพยากรณ์ทางสถิติ ประกอบด้วย วงศ์ของตัวแบบปรับให้เรียบแบบเอกซ์โพเนนเชียล ตัวแบบ ARIMA และตัวแบบ TBATS สำหรับการประยุกต์ใช้ในการพยากรณ์แบบจุดระยะสั้นกับอนุกรมเวลาตัวแปรเดียวที่มีความถี่และโดเมนที่หลากหลาย ข้อมูลที่ใช้ในการศึกษาครั้งนี้ จำนวน 100,000 อนุกรมเวลา เป็นชุดข้อมูลที่ใช้ในการแข่งขันการพยากรณ์ Makridakis ครั้งที่ 4 (M4 Competition) ประกอบด้วยอนุกรมเวลารายปี รายไตรมาส รายเดือน รายสัปดาห์ รายวัน และรายชั่วโมง ที่มีความถี่เป็น 1 4 12 1 1 และ 24 ตามลำดับ ซึ่งเป็นข้อมูลระดับมหภาคและระดับจุลภาค ข้อมูลทางด้านประชากรศาสตร์ อุตสาหกรรม การเงิน และด้านอื่น ๆ โดยที่ข้อมูลทั้งหมดแบ่งออกเป็นข้อมูลชุดฝึกสอนและชุดทดสอบ และเกณฑ์ที่ใช้ในวัดประสิทธิภาพของตัวแบบ ได้แก่ ค่าเฉลี่ยแบบสมมาตรของร้อยละความคลาดเคลื่อนสัมบูรณ์ (Symmetric Mean Absolute Percentage Error: sMAPE) ค่าเฉลี่ยแบบปรับสเกลของความคลาดเคลื่อนสัมบูรณ์ (Mean Absolute Scaled Error: MASE) และเวลาที่ใช้ในการประมวลผล (CPU time) ผลการศึกษา พบว่า 1) ตัวแบบ ARIMA และ TBATS ให้ค่าวัดประสิทธิภาพ sMAPE และ MASE ที่ต่ำกว่าตัวแบบ ETS สำหรับข้อมูลระดับมหภาคและจุลภาค ข้อมูลด้านประชากรศาสตร์ อุตสาหกรรม และการเงิน และ 2) ตัวแบบ ARIMA และ TBATS เป็นตัวแบบที่มีค่าวัดความคลาดเคลื่อนน้อยที่สุดและไม่แตกต่างกัน สำหรับทุกความถี่ และ3) ตัวแบบ ARIMA และ TBATS มีขั้นตอนในการหาตัวแบบที่เหมาะสมที่ซับซ้อน ทำให้ค่าเวลาที่ใช้ในการประมวลผลมากกว่าตัวแบบ ETS ถึง 2.3 และ 4.4 เท่า ตามลำดับ และตัวแบบ ARIMA ไม่เหมาะสมกับข้อมูลที่มีความถี่สูง