Exponential Smoothing[指数平滑法]

知识中心

   

大规模统计预测。 Exponential Smoothing[指数平滑法]解析。

目录

  1. 摘要
  2. 论坛
  3. 最佳实践
  4. Expert Tips
  5. 相关资料
  6. 打印

没有人能够真正看到未来, 但是,现代统计方法、计量经济模型以及Business Intelligence[商业智能]软件却可以在一定程度上帮助企业预测未来。


指数平滑模型(ESM

指数平滑模型(ESM)通过对过去值和当前值进行加权平均、以及对当前前的权数进行调整以前抵消统计数值的摇摆影响(如季节性变化)。 通过选取不同的Alpha值(0-1之间),即可以消除数值的季节敏感性。 因为ESM便于操作,也很强大,所以它通常被应用于大型的统计预测项目。


ESM产生一个平滑的时间序列。 在单一移动平均数的情况下,过去观测值被赋予相等的权重,当观测值变得陈旧,其权重也逐渐减少。 换句话说, 在预测过程中,新值较之旧值被赋予更多的权重。

在移动平均数的情况下,观测值的权重相等,为1/N 但是,需要注意的是,运用ESM涉及到一个或多个平滑参数,对它们要有准确的估计, 它们对观测值的权重会产生影响。


指数平滑法论坛

指数平滑法 小组


小组

指数平滑法 培训|活动


搜索培训、会议及活动项目


最佳实践 - 指数平滑法 高级帐户

Expert Tips (ENG) - Exponential Smoothing 高级帐户

相关资料 - 指数平滑法 高级帐户
 

新闻

指数 平滑
     
 

新闻

统计 分析
     
 

视频

指数 平滑
     
 

视频

统计 分析
     
 

简报

指数 平滑
     
 

简报

统计 分析
     
 

更多

指数 平滑
     
 

更多

统计 分析
     

比较: Regression Analysis[回归分析]  |  Dynamic Regression[动态回归]  |  ARIMA[自回归整合移动平均模型]  |  Operations Research[运筹学]  |  Game Theory[博奕论]  |  Business Intelligence[商业智能]  |  Analytical CRM[分析型顾客关系管理]


返回到分类主页: 金融与投资  |  营销


更多管理方法、模型和理论

Special Interest Group Leader

你在这里


关于12manage | 广告服务 | 链接我们 | 隐私 | 服务条款
版权所有 2016 12manage经理人进阶捷径。V14.1 - 最后更新:26-9-2016。各管理方法名称(tm)为其原创者所拥有。