Exponential Smoothing (Exponentielle Glättung)

Weit reichende statistische Voraussage. Erklärung des Exponential Smoothing (Exponentielle Glättung). - Deutsch

Niemand kann wirklich in die Zukunft sehen. Jedoch können moderne statistische Methoden, ökonometrische Modelle und Business Intelligence Software Firmen in der Tat gewissermassen helfen, zu prognostizieren und zu schätzen, was in der Zukunft geschehen wird.

Das Exponential Smoothing (Exponentielle Glättung)-Modell

Das Modell des Exponential Smoothing (Exponentielle Glättung) (ESM) verwendet einen gewichteten Durchschnitt von vergangenen und gegenwärtigen Werten und justiert die Gewichtung auf gegenwärtige Werte, um die Effekte von Ausschlägen in den Daten, wie Saisonabhängigkeit, zu erklären. Mit einem Alphawert (zwischen 0-1) können Sie die Empfindlichkeit der glättenden Effekte justieren. ESM wird häufig für weitreichende statistische Voraussage-Probleme benutzt, weil es gleichzeitig robust und einfach anzuwenden ist.

ESM ist ein populärer Entwurf, um eine geglättete Zeitreihe zu schaffen. Während in Single Moving Averages die letzten Beobachtungen gleichmäßig gewichtet werden, weist Exponential Smoothing (Exponentielle Glättung) exponentiell abnehmende Gewichtungen zu, wenn die Beobachtung älter wird. Mit anderen Worten: neuen Beobachtungen wird mehr Gewicht in der Voraussage als den älteren Beobachtungen gegeben.

Im Falle der langfristigen Durchschnittswerte einer Aktie sind die Gewichte, die den Beobachtungen zugewiesen werden, die selben und sind gleich 1/N. Im Exponential Smoothing (Exponentielle Glättung) jedoch gibt es einen oder mehrere glättende Parameter, die festgestellt oder geschätzt werden müssen. Diese Auswahl legt die Gewichtungen fest, die den Beobachtungen zugewiesen werden.