ETS: Error, Trend, Seasonal Exponential Smoothing
ETS je komplexní rámec exponenciálního vyhlazování, který automaticky vybírá aditivní nebo multiplikativní kombinace složek chyb (E), trendu (T) a sezónnosti (S) časové řady. Formalizovaný jako inovační stavový prostorový model Hyndmanem, Koehlerem, Ordem a Snyderem v roce 2008, sjednocuje a zobecňuje rodinu prognostických metod Holt-Winterse.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Hyndman, R. J., Koehler, A. B., Ord, J. K. & Snyder, R. D. (2008). Forecasting with Exponential Smoothing: The State Space Approach. Springer. DOI: 10.1007/978-3-540-71918-2 ↗
- Hyndman, R. J. & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 1). Error, Trend, Seasonal (ETS) Exponential Smoothing. ScholarGate. https://scholargate.app/cs/econometrics/ets-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Model ARIMA (autoregresní integrovaný klouzavý průměr)Ekonometrie↔ compare
- Jednoduché a dvojité exponenciální vyhlazování (SES / Holt)Ekonometrie↔ compare
- Holt-Wintersův trojitý exponenciální průměrEkonometrie↔ compare
- Model stavového prostoru (Kalmanův filtr)Ekonometrie↔ compare
- Strukturální model časových řad (Základní strukturální model)Ekonometrie↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →