ScholarGate
Avustaja
Regression model

TBATS — Trigonometrinen eksponentiaalinen tasoitus kompleksille kausitasoille

TBATS on innovatiivinen tilamallipohjainen ennustemalli, jonka De Livera, Hyndman ja Snyder (2011) esittelivät. Se yhdistää Box-Cox-muunnoksen, ARMA-virheet ja trigonometriset (Fourier) kausitermit. Malli on rakennettu käsittelemään jatkuvia aikasarjoja, joissa on useita sisäkkäisiä kausisyklejä samanaikaisesti – esimerkiksi tuntidataa, joka toistuu myös päivittäin, viikoittain ja vuosittain.

Sovella työkalulla EconMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

The neighbourhood of related methods — select a node to explore.

Lähteet

  1. 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
  2. Hyndman, R. J. & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts. link

Näin viittaat tähän sivuun

ScholarGate. (2026, June 1). Trigonometric, Box-Cox, ARMA, Trend and Seasonal Components Model. ScholarGate. https://scholargate.app/fi/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.

Compare side by side

Tähän viittaavat

ScholarGateTBATS (Trigonometric, Box-Cox, ARMA, Trend and Seasonal Components Model). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/econometrics/tbats · Aineisto: https://doi.org/10.5281/zenodo.20539026