Cosa fare quando ARIMA non coglie i picchi stagionali nelle serie temporali?

[Isabella.L]

Sto lavorando a un progetto di analisi di serie temporali sui dati di vendita della mia azienda e mi sono imbattuto in un problema che mi sta facendo perdere un po’ di tempo. Ho pulito il dataset e applicato un modello ARIMA, ma le mie previsioni sembrano sempre “smooth” e perdono completamente i picchi reali che vediamo ogni trimestre. Ho provato ad aggiungere variabili esterne come le festività, ma il risultato non migliora di molto. Un collega ha accennato al fatto che forse dovrei considerare l’idea di feature engineering creativo per catturare queste dinamiche, ma non sono sicuro di dove concentrare gli sforzi. Qualcuno ha avuto un’esperienza simile con dati che hanno pattern stagionali molto irregolari? Mi chiedo se sia un limite del modello o se stia sbagliando completamente approccio.

[Grace78]

Capisco la frustrazione il forecast ARIMA spesso liscia i picchi e i salti reali scompaiono nel grafico il feature engineering potrebbe offrire strumenti per catturare quei picchi stagionali irregolari senza rinunciare a robustezza

[James_D]

Dal punto di vista analitico ARIMA perde quando la stagionalita non e costante e serve qualcosa di piu flessibile si potrebbe provare SARIMAX con variabili esogene o includere componenti di Fourier e piani di calendario il feature engineering qui entra come costruzione di indicatori utili

[Stella83]

Qualcuno potrebbe fraintendere la domanda pensando che basta aggiungere festivita ma in realta si tratta di capire come i pattern di vendita cambiano nel tempo e il feature engineering potrebbe tirare fuori funzioni che descrivono questi pattern

[PaulFA]

Non sto dicendo che ARIMA non funzioni ma sono scettico sul fatto che solo piu dati esterni risolvano tutto il problema il feature engineering resta utile ma non salva da una visione ridotta della serie

[JasonG]

Magari si dovrebbe riformulare il problema chiedendosi cosa esattamente si vuole prevedere e a quale livello di dettaglio e che metriche si usano per giudicare un modello il feature engineering puo offrire strumenti per orientare questa definizione

[Kyle36]

Ospitare un concetto come regime switching o cambi di regime puo essere rilevante ma sarebbe utile non spiegare subito tutto e lasciare aperta la discussione sul come si integra con il calendario e le festivita attraverso il feature engineering