TBATS — Тригонометричне експоненційне згладжування для складної сезонності
TBATS — це інноваційна модель прогнозування стану простору, представлена Де Ліверою, Хайндманом і Снайдером (2011), яка поєднує перетворення Бокса-Кокса, ARMA-помилки та тригонометричні (Фур'є) сезонні доданки. Вона розроблена для обробки неперервних часових рядів з кількома вкладеними сезонними циклами одночасно — наприклад, погодинних даних, які також повторюються щодня, щотижня та щорічно.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Trigonometric, Box-Cox, ARMA, Trend and Seasonal Components Model. ScholarGate. https://scholargate.app/uk/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 (Авторегресійна інтегрована ковзна середня)Економетрика↔ compare
- Сезонна ARIMA (SARIMA)Економетрика↔ compare
- STL Decomposition: Seasonal-Trend Decomposition using LoessЕконометрика↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →