Exponential Smoothing

ナレッジセンター

だれも未来に実際に見ることができない。 どんなに現代統計的な方法、計量経済モデルおよびbusiness intelligenceソフトウェアは実際幾分会社が予測し、将来起こるだろうものが推定するのを助けることができる。

Exponential Smoothingモデル

Exponential Smoothing (ESM)モデルはseasonalityのようなデータで振動の効果のためにアカウントに現在の値の重量を合わせる過去および現在の値の重量平均を、使用する。 アルファの言葉を使用して(0-1間で)、滑らかになる効果の感受性を調節できる。 ESMは強く、適用することは容易であるので、大規模で統計的な予測問題で頻繁に使用される。

ESMは滑らかにされた時系列を創造する普及した機構である。 Single Moving Averagesで過去の観察が均等に重くされる一方、Exponential Smoothingは観察がより古くなれば指数関数的に減少の重量を割り当てる。 要するに: 最近の観察はより古い観察より予測のより多くの重量を与えられる。

移動平均の場合には、観察に割り当てられる重量は同じ、1/N.と等しい。 しかしExponential Smoothingでは断固としたまたは推定されなければならない1つ以上の滑らかになる変数がある。 これらの選択は観察に割り当てられる重量を定める。

また比較しなさい: Regression Analysis  |  Dynamic Regression  |  ARIMA  |  Operations Research  |  Game Theory  |  business intelligence  |  分析的なCRM

経営ハブに戻る: 財務と投資 |  マーケティング

より多くの方法、モデル、理論