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)
|
|
关于以下内容的论坛讨论:指数平滑法。您可以在下方提出有关此主题的问题、分享您的经验、报告新的发展或解释一些事情。
|
|
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。
|
|
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。
|
|
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...
|
|
|
|
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
|