Karmaşık Mevsimsellik İçin Trigonometrik Üstel Düzeltme
Trigonometric, Box-Cox, ARMA, Trend and Seasonal Components Model · Ayrıca şöyle bilinir: trigonometric exponential smoothing, multiple seasonal exponential smoothing, complex seasonal exponential smoothing, TBATS — Çoklu Mevsimsel Üstel Düzleştirme
TBATS, De Livera, Hyndman ve Snyder (2011) tarafından tanıtılan, bir Box-Cox dönüşümünü, ARMA hatalarını ve trigonometrik (Fourier) mevsimsel terimleri birleştiren yenilikçi bir durum uzayı tahmin modelidir. Birden fazla iç içe geçmiş mevsimsel döngüyü aynı anda ele alan sürekli zaman serileriyle başa çıkmak için tasarlanmıştır — örneğin, saatlik veriler aynı zamanda günlük, haftalık ve yıllık olarak da tekrarlanır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Karmaşık mevsimsellik gösteren (birden fazla mevsimsel dönem, uzun veya kesirli olabilir) ve yeterli geçmişe (en az yaklaşık 100 gözlem) sahip tek bir sürekli zaman serisini tahmin etmek için TBATS'ı kullanın. Varyansı stabilize edebilen bir Box-Cox dönüşümü olduğunda ve en az bir net mevsimsel döngü bulunduğunda en uygundur. Çok kısa seriler, esas olarak dışsal regresörler tarafından yönlendirilen problemler veya mevsimsel desenlerin zaman içinde keskin bir şekilde değiştiği ortamlar için daha az uygundur.
Güçlü yönler & sınırlılıklar
- Uzun ve 365.25 gün gibi kesirli dönemler de dahil olmak üzere birden fazla mevsimsel döngüyü aynı anda ele alır.
- Trigonometrik temsil, modeli kompakt tutar ve mevsimselliğin zaman içinde sorunsuz bir şekilde gelişmesine izin verir.
- Dahili Box-Cox dönüşümü ve ARMA hata terimi, değişen varyansı ve artık otokorelasyonu otomatik olarak ele alır.
- Mevsimsel harmonikleri güvenilir bir şekilde tahmin etmek için makul derecede uzun bir seriye (yaklaşık 100 veya daha fazla gözlem) ihtiyaç duyar.
- Mevsimsel desenlerin sabit bir harmonik kümesiyle özetlenebilecek kadar kararlı olduğunu varsayar; ani rejim değişiklikleri iyi yakalanmaz.
- Yerel olarak harici açıklayıcı değişkenleri içermez, bu nedenle kovaryant kaynaklı etkiler başka bir yerde modellenmelidir.
SSS
TBATS kısaltması ne anlama gelir?
Trigonometrik mevsimsellik, Box-Cox dönüşümü, ARMA hataları ve Trend ve Mevsimsel bileşenler — modelde birleştirilen dört bileşen.
TBATS, SARIMA'dan nasıl farklıdır?
SARIMA tipik olarak tek bir tam sayı mevsimsel dönemi ele alırken, TBATS trigonometrik harmonikler kullanarak aynı anda birden fazla mevsimsel döngüyü temsil eder ve 365.25 gün gibi uzun veya kesirli dönemlerle başa çıkabilir.
TBATS kesirli mevsimsel dönemleri ele alabilir mi?
Evet. Her mevsim, dönem başına bir durum yerine sinüs ve kosinüs terimleriyle modellendiği için, TBATS kukla tabanlı mevsimsel modellerin zorlandığı 365.25 gibi kesirli dönemleri doğal olarak barındırır.
TBATS ne kadar veriye ihtiyaç duyar?
Her mevsimsel döngü için trigonometrik harmoniklerin güvenilir bir şekilde tahmin edilebilmesi için makul derecede uzun bir geçmişe — kabaca 100 gözlem veya daha fazlasına — ihtiyaç duyar; çok kısa seriler aşırı uyma riski taşır.
Kaynaklar
- 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 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Trigonometric, Box-Cox, ARMA, Trend and Seasonal Components Model. ScholarGate. https://scholargate.app/tr/econometrics/tbats
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- ARIMA (Autoregressive Integrated Moving Average) ModeliEkonometri↔ karşılaştır
- Mevsimsel ARIMA (SARIMA)Ekonometri↔ karşılaştır
- STL Ayrıştırması: Loess Kullanarak Mevsimsel-Eğilim AyrıştırmasıEkonometri↔ karşılaştır