ETS: Экспоненциальное сглаживание с учетом ошибки, тренда и сезонности
ETS — это комплексная система экспоненциального сглаживания, которая автоматически выбирает аддитивные или мультипликативные комбинации компонентов ошибки (E), тренда (T) и сезонности (S) временного ряда. Формализованная как модель пространства состояний с инновациями Хайндманом, Келером, Ордом и Снайдером в 2008 году, она объединяет и обобщает семейство методов прогнозирования Хольта-Винтерса.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Error, Trend, Seasonal (ETS) Exponential Smoothing. ScholarGate. https://scholargate.app/ru/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.
- Модель ARIMA (авторегрессионная интегрированная скользящая средняя)Эконометрика↔ compare
- Простое и двойное экспоненциальное сглаживание (SES / Холт)Эконометрика↔ compare
- Тройное экспоненциальное сглаживание Хольта-ВинтерсаЭконометрика↔ compare
- Модель пространства состояний (фильтр Калмана)Эконометрика↔ compare
- Структурная модель временных рядов (базовая структурная модель)Эконометрика↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →