TBATS — Trigonometrische Exponentielle Glättung für komplexe Saisonalität
TBATS ist ein innovatives State-Space-Prognosemodell, das von De Livera, Hyndman und Snyder (2011) eingeführt wurde und eine Box-Cox-Transformation, ARMA-Fehler und trigonometrische (Fourier-) saisonale Terme kombiniert. Es wurde entwickelt, um kontinuierliche Zeitreihen mit mehreren verschachtelten saisonalen Zyklen gleichzeitig zu verarbeiten – zum Beispiel stündliche Daten, die sich auch täglich, wöchentlich und jährlich wiederholen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- De Livera, A. M., Hyndman, R. J. & Snyder, R. D. (2011). Forecasting Time Series with Complex Seasonal Patterns Using Exponential Smoothing. Journal of the American Statistical Association, 106(496), 1513-1527. DOI: 10.1198/jasa.2011.tm09771 ↗
- Hyndman, R. J. & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Trigonometric, Box-Cox, ARMA, Trend and Seasonal Components Model. ScholarGate. https://scholargate.app/de/econometrics/tbats
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.
- ARIMA-Modell (Autoregressive Integrated Moving Average)Ökonometrie↔ compare
- SARIMA (Seasonal Autoregressive Integrated Moving Average)Ökonometrie↔ compare
- STL-Zerlegung: Saisonale-Trend-Zerlegung mittels LoessÖkonometrie↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →