ETS: Error, Trend, Seasonal Exponential Smoothing
ETS è un framework completo di smorzamento esponenziale che seleziona automaticamente combinazioni additive o moltiplicative delle componenti di errore (E), trend (T) e stagionale (S) di una serie storica. Formalizzato come modello state space di innovazioni da Hyndman, Koehler, Ord e Snyder nel 2008, unifica e generalizza la famiglia di metodi di previsione Holt-Winters.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Error, Trend, Seasonal (ETS) Exponential Smoothing. ScholarGate. https://scholargate.app/it/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.
- Modello ARIMA (Autoregressive Integrated Moving Average)Econometria↔ compare
- Smorzamento Esponenziale Semplice e Doppio (SES / Holt)Econometria↔ compare
- Levigatura tripla esponenziale di Holt-WintersEconometria↔ compare
- Modello a Spazio di Stati (Filtro di Kalman)Econometria↔ compare
- Modello Strutturale di Serie Storiche (Modello Strutturale di Base)Econometria↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →