Single Exponential Smoothing, lyhennettynä SES, jota kutsutaan myös Simple Exponential Smoothingiksi, on aikasarjaennustemenetelmä yksimuuttujaisille tiedoille ilman trendiä tai kausivaihtelua. Se vaatii yhden parametrin, nimeltään alfa (a), jota kutsutaan myös tasoituskertoimeksi tai tasoituskertoimeksi.
Kuinka analysoit eksponentiaalista tasoitusta?
Tulkitse yksittäisen eksponentiaalisen tasoituksen tärkeimmät tulokset
- Vaihe 1: Selvitä, sopiiko malli tietoihisi.
- Vaihe 2: Vertaa mallisi sopivuutta muihin malleihin.
- Vaihe 3: Selvitä, pitävätkö ennusteet paikkansa.
Kuinka valitset alfan eksponentiaaliseen tasoitukseen?
Valitsemme parhaan arvon \alphalle, joten arvo, joka johtaa pienimpään MSE:hen. Virheiden neliösumma (SSE)=208,94. Neliövirheiden (MSE) keskiarvo on SSE /11=19,0. MSE laskettiin jälleen arvolle \alpha=0,5 ja se osoittautui 16,29, joten tässä tapauksessa suosimme \alphaa 0,5.
Milloin käyttäisit eksponentiaalista tasoitusta?
Eksponentiaalinen tasoitus on tapa tasoittaa esitysten tietoja tai tehdä ennusteita. Sitä käytetään yleensä rahoituksessa ja taloudessa. Jos sinulla on aikasarja, jossa on selkeä kuvio, voit käyttää liukuvia keskiarvoja - mutta jos sinulla ei ole selkeää kuviota, voit käyttää eksponentiaalista tasoitusta ennustamiseen.
Kuinka lasket yksinkertaisen eksponentiaalisen tasoituksen?
Eksponentiaalinen tasoituslaskenta on seuraava: Viimeisimmän jakson kysyntä kerrottuna tasoituskertoimella. Viimeisimmän jakson ennuste kerrottuna (yksi miinus tasoituskerroin). S=tasoituskerroin desimaalimuodossa (joten 35 % olisi 0,35).
