假设我们有一家酒店，并且我们知道过去五年的所有预订情况。我们希望每天预测/估计来年的房间需求。
我是数学家，但不是统计学家，如果我说一些琐碎或愚蠢的事情，我很抱歉。
我想知道是否存在针对此类问题的“标准模型”（如 ARMA、ARIMA、SARIMA）。我的主要疑问是关于变量“# of reservations”的规律性。它是可预测的吗？
作为一名数学家，我可以理解预测模型，但我并不真正了解这种模型的应用领域。
让我们以圣诞节为例。这是一个“常规事件”，因为它每年都是同一天，所以我想我可以很容易地做出预测，但是复活节呢？显然我无法用我所拥有的数据来估计它，因为复活节的实际日期每年春天都会变化，我需要一个非凡的信息。
- 这是一个时间序列分析问题吗？
- 标准模型适用于这个问题？（我刚刚阅读了有关 ARMA、ARIMA、SARIMA 和线性模型的信息，正在寻找时间序列）
- 如果没有，是否存在其他模型来处理这种情况？
- 或者基本上我们需要调用在酒店工作的人的经验？:)
在网上我发现了很多关于“预测旅游需求”的东西，但所有这些分析都试图估计每月的游客数量（通过谷歌查询，过去几年的数据等）。但也许我错了。
谢谢。
更新 20/01/17
我试图从迄今为止发布的评论中得到一个想法。我知道，即使是圣诞节，它也会更加复杂，因为它取决于日子（“例如，星期四的圣诞节将导致星期五被用来创建一个为期四天的周末”，引用。@Wayne）。但重点是一样的：这些并发症是否“可以治疗”？
@AnscombesGimlet 说它们是可以治疗的，但我想知道：我需要做多少手动更正才能获得合适的模型？如果我必须做很多更正，当然我仍然使用“模型”，但我不会说它是“标准”，我会对 2 回答“否”。据我所知（我认为这是@IrishStat的同一点），每个“酒店”都有自己的历史和自己的变量/系数：不存在理解这些特性的机制（好吧，我们称之为经验或savoir-faire）。
如果我错了，请告诉我。假设我是受过时间序列魔法训练的最好的统计学家之一，我会怎么做才能解决这个问题？这是我的设置列表：
- 准备好我酒店的所有数据
- 开始绘制不同时间尺度的数据年/（季节）/月/（周）/天
- 找到可能不同的“时间尺度”（而不是绘制 1 月至 2 月等，可能是 1 月 15 日至 2 月 15 日等，因为数据看起来更统一）
- 开始使用我最喜欢的方法（比如说 ARIMA）并开始对我的数据进行一些投影，我认为参数更适合我已经研究过的数据。
- 让模型成为一个好模型。
我不会： 1. 准备好我酒店的所有数据 2. 以我认为可行的“标准参数”为例，因为我或多或少认为我会在夏天和假期中选择 3. 发布然后尝试了解 ARIMA 的参数，看看模型与现实的距离有多远 4. 将模型逼近到一个好的模型。
在此示例中可以看出这两种方法之间的区别：
如果换酒店怎么办？如果我选择不同的酒店（我会花很多时间在上面），则必须重新应用第一种技术（我称之为“非标准”）。第二个（我称之为“标准”）可以（或多或少）为每家酒店实施。
所以现在的问题是：这两种方法都可以吗？两者都可靠吗？