|
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 小组。
小组 (2名成员)
|
|
|
最佳实践
|
|
|
关于指数平滑法的最高评价的讨论主题。在这里你会找到最有价值的思路和切实可行的建议。
|
|
|
专家提示
|
|
|
关于Exponential Smoothing（英语）的高级见解。在这里，您将找到专家的专业建议。
|
|
|
信息来源
|
|
|
有关指数平滑法的各种信息来源。在这里，您将找到Powerpoint，视频，新闻等可用于您自己的讲座和讲习班。
|
4 Exponential Smoothing Method Variants When to use What Formula? Examples. PROs and CONs.
This presentation gives a detailed outline of various exponential smoothing methods. After an introduction into Exponent...
|
|
|
|
研究链接
|
|
|
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 | 营销和销售
更多管理方法、模型和理论
|
登入
