TBATS — Lissage exponentiel trigonométrique pour la saisonnalité complexe
TBATS est un modèle de prévision à espace d'états par innovations, introduit par De Livera, Hyndman et Snyder (2011), qui combine une transformation de Box-Cox, des erreurs ARMA et des termes saisonniers trigonométriques (Fourier). Il est conçu pour traiter des séries chronologiques continues présentant plusieurs cycles saisonniers imbriqués simultanément — par exemple, des données horaires qui se répètent également quotidiennement, hebdomadairement et annuellement.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Trigonometric, Box-Cox, ARMA, Trend and Seasonal Components Model. ScholarGate. https://scholargate.app/fr/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.
- Modèle ARIMA (Autoregressive Integrated Moving Average)Économétrie↔ compare
- SARIMA (Seasonal ARIMA)Économétrie↔ compare
- Décomposition STL : Décomposition Saisonnier-Tendance par LoessÉconométrie↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →