Експоненциалният метод на изглаждане използва историческите средни стойности на променлива в период, за да се опита да предскаже бъдещото й поведение.
Следователно това, за което става въпрос, е да се предскаже какво ще се случи и какво прави, за да се изгладят времевите редове. Целта е да се намалят колебанията и да може да се наблюдава тенденция, която понякога не е ясна с просто око. Той се използва широко, особено в очакване на продажби и се е оказал повече от приемлив.
Методът на експоненциално изглаждане
Нека разгледаме един прост начин на изчисление. Формулата, която показваме подробно в примера, включва действително търсене (Do) и прогноза (Po). От друга страна, изглаждащият фактор (алфа), изразена в толкова много пъти едно. Формулата ще бъде следната:
Това, което правим, както ще видим в края, е гладка серия. Към прогнозата за предходния период (Po) добавете разликата между това и търсенето (Do), умножено по изглаждащия фактор (алфа). С това постигаме стойности с по-малка вариабилност и развитието на времевите редове може да се наблюдава по-добре.
Разбира се, има и малко по-сложни модели. От една страна, моделът Box-Jenkins, а от друга, моделът Holt-Winter. Последното е много полезно поради своята простота и лекота на използване. Няма да навлизаме в конкретни подробности, тъй като бихме надхвърлили целта си да покажем икономиката по прост начин.
Предимствата на експоненциалните методи за изглаждане
Предимствата са преди всичко простотата и лекотата на приложение, но има и няколко други. По-долу показваме най-подходящите:
- Не се нуждае от много исторически данни, за разлика от други методи като ARIMA.
- Той има по-висока точност от другите при използване на експоненциални техники за моделиране.
- Това е метод, който се радва на голяма гъвкавост, като използва данни за търсенето, които могат да бъдат избрани от изследователя.
- Така нареченото двойно експоненциално изглаждане дава възможност за намаляване на проблемите с прогнозирането, когато коефициентът на изглаждане е по-голям от 0,5. Един от малкото му недостатъци.
Пример за експоненциално изглаждане
Представете си компания, която продава картофени чипсове. Търговският директор на мексиканската компания майка се свързва с колегата си в Испания. Това ви казва, че ще направите прогноза за продажбите за Валенсия. Но разбира се, единственият показател, с който трябва да започнете, е продажбите в град в Мексико, където данните могат да се сравняват. Използвайте коефициент, за да изгладите серията от 35%.
Както виждаме на фигурата, прилагайки формулата, получаваме прогнозните стойности. Първите (P1), от януари 2015 г., са продажбите в Мексико за този месец. Графата на търсенето е действителните данни за тази година. Оттам, чрез въвеждане на формулата, могат да се създадат останалите данни в прогнозната колона.
Можем да проверим, че експоненциалното изглаждане намалява колебанията и наблюдаваме, че не изглежда да има ясна тенденция. Прогнозата обаче е през повечето време над действителното търсене, което в крайна сметка е произведено. Въпреки че в по-късен период това е много по-голямо.