TBATS — Тригонометрическое экспоненциальное сглаживание для сложной сезонности
TBATS — это инновационная модель прогнозирования в пространстве состояний, представленная De Livera, Hyndman и Snyder (2011), которая объединяет преобразование Бокса-Кокса, ошибки ARMA и тригонометрические (гармонические) сезонные члены. Она создана для работы с непрерывными временными рядами, имеющими несколько вложенных сезонных циклов одновременно — например, почасовые данные, которые также повторяются ежедневно, еженедельно и ежегодно.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Trigonometric, Box-Cox, ARMA, Trend and Seasonal Components Model. ScholarGate. https://scholargate.app/ru/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.
- Модель ARIMA (авторегрессионная интегрированная скользящая средняя)Эконометрика↔ compare
- Сезонная модель ARIMA (SARIMA)Эконометрика↔ compare
- STL DecompositionЭконометрика↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →