在链接的博客文章中，Rob Hyndman 呼吁参加旅游预测比赛。从本质上讲，博客文章旨在引起人们对相关IJF 文章的注意，该文章的非封闭版本在博客文章中链接到。

您所指的基准——每月 1.38、季度 1.43 和年度数据 2.28——显然是如下得出的。作者（他们都是专家预测者，并且在IIF中非常活跃——这里没有蛇油推销员）非常有能力应用标准预测算法或预测软件，他们可能对简单的 ARIMA 提交不感兴趣。所以他们去对他们的数据应用了一些标准方法。对于被邀请参加IJF论文的获奖提交，他们要求它改进这些标准方法中最好的，由 MASE 衡量。

所以你的问题基本上可以归结为：

鉴于 MASE 为 1 对应的样本外预测与样本内的天真随机游走预测一样好（通过 MAD），为什么像 ARIMA 这样的标准预测方法不能提高每月数据的 1.38？

此处，1.38 MASE 来自非门控版本的表 4。这是 ARIMA 提前 1-24 个月预测的平均 ASE。其他标准方法，如 ForecastPro、ETS 等，性能更差。

在这里，答案变得很难。在不考虑数据的情况下判断预测准确性总是很成问题的。在这种特殊情况下，我能想到的一种可能性可能是加速趋势。假设您尝试预测$\exp(t)$用标准方法。这些都不能捕捉到加速趋势（这通常是一件好事 - 如果您的预测算法经常模拟加速趋势，您可能会远远超过您的标记），并且它们将产生高于 1 的 MASE。其他解释可能，正如你所说，是不同的结构性中断，例如水平变化或 SARS 或 9/11 等外部影响，非因果基准模型无法捕捉到，但可以通过专门的旅游预测方法进行建模（尽管使用保留样本中的未来因果关系是一种作弊）。

所以我想说，如果不查看数据本身，您可能无法对此说太多。它们可以在 Kaggle 上找到。您最好的选择可能是使用这些 518 系列，坚持过去 24 个月，拟合 ARIMA 系列，计算 MASE，挖掘出 10 或 20 个 MASE 最差预测系列，喝一大壶咖啡，看看这些系列并尝试找出是什么让 ARIMA 模型在预测它们方面如此糟糕。

编辑：另一点在事后看起来很明显，但我花了五天时间才看到 - 请记住，MASE 的分母是样本内随机游走预测的领先一步，而分子是1-24-的平均值提前预测。预测随着视野的增加而恶化并不奇怪，因此这可能是 MASE 为 1.38 的另一个原因。请注意，季节性朴素预测也包含在基准中，并且具有更高的 MASE。

不是答案，而是斯蒂芬·科拉萨呼吁“看看这些系列”之后的情节。
Kaggle Tourism1 有 518 个年度时间序列，我们要预测最后 4 个值：

该图显示了“天真”常量预测器的错误，这里$5^{th}$最后的：
$\qquad Error4( y ) \equiv {1 \over 4} \sum_ {last\ 4} |y_i - y_{-5}|$
角落里的数字，81 12 ...，是$Error4(y)$作为范围的百分比，和$length(y)$.
这 3 行是所有 518 个年度时间序列中最差的 10 个、中间的 10 个和最好的 10 个。

显然，非常短的系列——第一行的 12 11 7 7 7 ... ——很难预测：不足为奇。
（Athanasopoulos、Hyndman、Song 和 Wu， 旅游预测竞赛 （2011 年，23p）使用了 518 个年度系列中的 112 个，但我看不出是哪些。）

自 2010 年以来是否还有其他更新的时间序列系列值得一看？