Експоненціальне згладжування - що це таке, визначення та поняття
Експоненціальний метод згладжування використовує історичні середні значення змінної за період, щоб спробувати передбачити її майбутню поведінку.
Отже, йдеться про передбачення того, що відбудеться, і що це робить, це згладжування часових рядів. Мета - зменшити коливання та мати можливість спостерігати тенденцію, яка часом не зрозуміла неозброєним оком. Він широко використовується, особливо в очікуванні продажів, і виявився більш ніж прийнятним.
Експоненціальний метод згладжування
Давайте розглянемо простий спосіб розрахунку. Формула, яку ми докладно покажемо у прикладі, включає фактичний попит (Do) та прогноз (Po). З іншого боку, згладжуючий фактор (альфа), виражений у стільки разів, як один. Формула буде такою:
Те, що ми робимо, як ми побачимо наприкінці, - це гладка серія. Додайте до прогнозу попереднього періоду (Po) різницю між цим та попитом (Do), помножену на коефіцієнт згладжування (альфа). Завдяки цьому ми досягаємо значень з меншою мінливістю, і еволюцію часових рядів можна краще спостерігати.
Звичайно, є дещо більш складні моделі. З одного боку, модель Box-Jenkins, а з іншого - модель Holt-Winter. Останній дуже корисний завдяки своїй простоті та простоті у використанні. Ми не будемо вдаватися в конкретні подробиці, оскільки ми перевищили б нашу мету показати економіку простим способом.
Переваги експоненціальних методів згладжування
Переваги полягають перш за все в простоті та простоті нанесення, але є ще кілька. Нижче наведено найбільш релевантні:
- Для цього не потрібно багато історичних даних, на відміну від інших методів, таких як ARIMA.
- Він має вищу точність, ніж інші, при використанні експоненціальних методів моделювання.
- Це метод, який користується великою гнучкістю, використовуючи дані про попит, які може обрати дослідник.
- Так зване подвійне експоненціальне згладжування дозволяє зменшити проблеми прогнозування, коли коефіцієнт згладжування перевищує 0,5. Один з небагатьох його недоліків.
Приклад експоненціального згладжування
Уявіть собі компанію, яка продає картопляні чіпси. Комерційний директор мексиканської материнської компанії контактує зі своїм колегою в Іспанії. Це говорить вам, що ви збираєтеся скласти прогноз продажів для Валенсії. Але, звичайно, єдиним показником, з якого потрібно починати, є продажі в місті Мексики, де можна порівняти дані. Використовуйте коефіцієнт, щоб згладити ряд 35%.
Як ми бачимо на малюнку, застосовуючи формулу, ми отримуємо прогнозні значення. Перший (Р1), починаючи з січня 2015 року, - це продажі в Мехіко за цей місяць. Стовпець попиту - це фактичні дані за той рік. Звідти, ввівши формулу, можна створити решту даних у стовпці прогнозу.
Ми можемо перевірити, що експоненціальне згладжування зменшує коливання, і ми спостерігаємо, що, схоже, немає чіткої тенденції. Однак прогноз більшу частину часу перевищує фактичний попит, який врешті-решт був створений. Хоча в пізніший період це набагато більше.
