Metoda eksponentnega glajenja s pomočjo zgodovinskih povprečij spremenljivke v obdobju poskuša napovedati njeno prihodnje vedenje.
Zato gre za napovedovanje, kaj se bo zgodilo, in za to, kar počne, je zgladitev časovnih vrst. Cilj je zmanjšati nihanja in opazovati trend, ki včasih s prostim očesom ni jasen. Veliko se uporablja, zlasti v pričakovanju prodaje in se je izkazal za več kot sprejemljiv.
Metoda eksponentnega glajenja
Poglejmo si preprost način izračuna. Formula, ki jo podrobno prikažemo v primeru, vključuje dejansko povpraševanje (Do) in napoved (Po). Po drugi strani pa faktor glajenja (alfa), izraženo v tolikokrat enem. Formula bi bila naslednja:
Kot bomo videli na koncu, je serija gladka. K napovedi za prejšnje obdobje (Po) dodajte razliko med tem in povpraševanjem (Do), pomnoženo s faktorjem glajenja (alfa). S tem dosežemo vrednosti z manjšo variabilnostjo in razvoj časovne vrste lahko bolje opazimo.
Seveda obstajajo nekoliko bolj zapleteni modeli. Na eni strani model Box-Jenkins in na drugi strani model Holt-Winter. Slednje je zaradi enostavnosti in enostavnosti uporabe zelo uporabno. Ne bomo se spuščali v podrobnosti, saj bi presegli svoj cilj, da na enostaven način prikažemo gospodarstvo.
Prednosti eksponentnih metod glajenja
Prednosti so predvsem preprostost in enostavnost uporabe, a obstaja še nekaj več. Spodaj prikazujemo najpomembnejše:
- Za razliko od drugih metod, kot je ARIMA, ne potrebuje veliko zgodovinskih podatkov.
- Pri uporabi eksponentnih tehnik modeliranja ima večjo natančnost kot drugi.
- Gre za metodo, ki uživa veliko prilagodljivost z uporabo podatkov o povpraševanju, ki jih lahko izbere raziskovalec.
- Tako imenovano dvojno eksponentno glajenje omogoča zmanjšanje težav z napovedjo, kadar je faktor glajenja večji od 0,5. Ena njegovih redkih pomanjkljivosti.
Primer eksponentnega glajenja
Predstavljajte si podjetje, ki prodaja krompirjev čips. Komercialni direktor mehiške matične družbe vzpostavi stik s kolegom v Španiji. To vam pove, da boste napovedali prodajo za Valencio. Seveda pa je edini kazalnik, s katerim morate začeti, prodaja v mestu v Mehiki, kjer je mogoče primerjati podatke. Uporabite faktor, da izravnate niz 35%.
Kot lahko vidimo na sliki, z uporabo formule dobimo napovedne vrednosti. Prva (P1), od januarja 2015, je prodaja Mehike za ta mesec. Stolpec povpraševanja je dejanski podatek za to leto. Od tam lahko z vnosom formule ustvarite ostale podatke v stolpcu napovedi.
Lahko preverimo, ali eksponentno glajenje zmanjšuje nihanja, in opažamo, da ni očitnega trenda. Vendar je napoved večino časa nad dejanskim povpraševanjem, ki je bilo sčasoma proizvedeno. Čeprav je v kasnejšem obdobju to veliko večje.