時系列予測モデル比較
実ライブラリ（statsmodels / Prophet / XGBoost / scikit-learn）で学習・予測した結果を比較します。 精度指標はホールドアウト期間の実測値との誤差です。実線が実測値、破線が各モデルの予測値です。
自動車販売（外生変数つき）
自動車販売に month / quarter / promo / is_year_end を付与。カレンダー系は将来も既知として使えるため、XGBoost 等の機械学習が本領を発揮しやすいデモ用。
全モデル比較チャート
モデル別メトリクス比較（ホールドアウト評価）
| モデル | 種別 | ライブラリ | RMSE | MAE | MAPE | |
|---|---|---|---|---|---|---|
| ARIMA | 統計モデル | statsmodels (Python) | 4,563.94 | 3,491.32 | 17.00% | 詳細を見る → |
| SARIMA | 統計モデル | statsmodels (Python) | 2,304.51 | 1,939.91 | 10.78% | 詳細を見る → |
| SARIMAX | 統計モデル | statsmodels (Python) | 2,304.52 | 1,939.91 | 10.78% | 詳細を見る → |
| Prophet | 統計モデル | prophet (Meta) | 1,749.19 | 1,336.81 | 7.19% | 詳細を見る → |
| Holt-Winters | 統計モデル | statsmodels (Python) | 1,691.03 | 1,324.98 | 7.21% | 詳細を見る → |
| AutoARIMA (Nixtla) | 統計モデル | statsforecast / Nixtla (Python) | 1,435.36 | 1,256.96 | 6.69% | 詳細を見る → |
| AutoETS (Nixtla) | 統計モデル | statsforecast / Nixtla (Python) | 2,233.34 | 1,561.14 | 8.28% | 詳細を見る → |
| Chronos-Bolt | 機械学習 | chronos-forecasting / Amazon (Python) | 2,180.62 | 1,495.29 | 7.73% | 詳細を見る → |
| Neural Net (MLP) | 機械学習 | scikit-learn (Python) | 2,328.00 | 1,879.49 | 10.54% | 詳細を見る → |
| XGBoost | 機械学習 | xgboost (Python) | 2,428.36 | 1,930.44 | 10.26% | 詳細を見る → |
| LightGBM | 機械学習 | lightgbm (Python) | 2,416.87 | 1,788.91 | 9.45% | 詳細を見る → |
| Random Forest | 機械学習 | scikit-learn (Python) | 2,370.47 | 1,748.70 | 9.08% | 詳細を見る → |