Metodin todisteiden tietue
TBATS
TBATS is an innovations state space forecasting model, introduced by De Livera, Hyndman and Snyder (2011), that combines a Box-Cox transformation, ARMA errors and trigonometric (Fourier) seasonal terms. It is built to handle continuous time series with several nested seasonal cycles at once — for example hourly data that also repeats daily, weekly and yearly.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
Trigonometric, Box-Cox, ARMA, Trend and Seasonal Components Model
Taksonominen metoditietue · regression-model / econometrics
- 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. · URL
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Ei vielä kuratoituja väitteitä
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.