正如布赖恩在他的回答中所说：对于哪个更好，没有简单的规则。例如，英国国家统计局从 HW 切换到 ARIMA 并在上面写了一篇论文，而他们选择切换可能是因为 X12（现在的 X13）软件包的强大功能，它是基于 ARIMA 的，非常强大，而不是技术本身。

此外，您应该比较更通用的状态空间（卡尔曼滤波器）解决方案。arima例如，R's在后台使用状态空间解决方案。

Holt-Winters 有三个参数，所以很简单，但它们基本上是平滑因子，所以如果你知道它们，它并不能告诉你太多。ARIMA的参数比较多，有的还有一些直观的意义，但还是不能告诉你太多。状态空间可能很复杂，但您也可以显式地建模事物以获得更大的解释力。在我看来，无论如何。

我见过拥有不同数据集的人比较两种算法的结果并得到不同的结果。在某些情况下，Holt-Winters 算法比 ARIMA 提供更好的结果，而在其他情况下，情况正好相反。我认为您不会找到关于何时使用其中一个的明确答案。

据我所见，ARIMA 允许您添加独立的回归器，而 Holt Winters 不提供这种奢侈