Exponential Smoothing[指数平滑法]

知识中心





摘要,论坛,最佳做法,专家提示和资源。


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 (1名成员)


指数平滑法论坛  

关于这个主题的讨论:指数平滑法。




指数平滑法最佳实践

在这里,您将找到过去最有价值的讨论。



Exponential Smoothing专家提示(英语)

在这里,您将找到专家的建议。



指数平滑法信息来源

在这里,您将找到PowerPoint,视频,新闻等。



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

您是该领域的专家吗?免费注册


 


关于12manage | 广告服务 | 链接到我们/引用我们 | 隐私 | 建议 | 服务条款
© 2020 12manage - The Executive Fast Track. V15.5 - 最后更新:11-7-2020。所有名称™它们的主人的。