Le TBATS est un modèle de série chronologique utile pour traiter des données présentant de multiples tendances saisonnières. TBATS est l'acronyme des principales caractéristiques du modèle : T : Saisonnalité trigonométrique B : transformation de Box-Cox A : erreurs ARIMA T : Tendance S : composantes saisonnières.
La première étape pour ajuster un modèle TBATS consiste à appliquer une transformation de Box-Cox aux données. Il s'agit d'une méthode flexible pour sélectionner et appliquer une transformation de puissance à une série afin d'obtenir une forme facile à modéliser. Un paramètre λλ entre -5 et 5 est sélectionné de telle sorte que la transformation
produira des données qui suivent une courbe de distribution normale aussi fidèlement que possible.
Le modèle est ensuite ajusté à l'aide d'une combinaison d'ARMA (voir Avancé : ARIMA), de lissage exponentiel (voir Avancé : ETS) et de multiples modèles saisonniers. Lequel des composants à inclure est sélectionné en fonction de Critère d'information d'Akaike (AIC) qui privilégie un modèle plus simple à un modèle plus complexe tout en donnant la priorité à ce qui correspond le mieux aux données.
Nous fournissons un logiciel de prévision automatisé qui associe des méthodes académiques de pointe à des indicateurs avancés spécifiques au marché. Cela permet à votre organisation d'atteindre le plus haut niveau de précision des prévisions.
© 2025 Indicio Technologies Tous droits réservés
