Az exponenciális simítási módszer egy változó történelmi átlagát használja egy periódusban, hogy megpróbálja megjósolni a jövőbeni viselkedését.
Ezért arról van szó, hogy megjósoljuk, mi fog történni, és mit tesz az idősorok simítása érdekében. A cél az ingadozások csökkentése és egy olyan trend megfigyelése, amely néha szabad szemmel nem egyértelmű. Széles körben használják, különösen az eladásokra való tekintettel, és több mint elfogadhatónak bizonyult.
Az exponenciális simítási módszer
Nézzük meg a számítás egyszerű módját. A képlet, amelyet a példában részletesen bemutatunk, tartalmaz egy tényleges igényt (Do) és egy előrejelzést (Po). Másrészt a simító tényező (alfa) annyiszor kifejezve. A képlet a következő lenne:
Amit csinálunk, amint a végén látni fogjuk, simán megy a sorozat. Az előző időszak (Po) előrejelzéséhez adjuk hozzá ennek és a kereslet (Do) közötti különbségnek a simító tényezővel (alfa) szorzva. Ezzel kisebb változékonysággal érünk el értékeket, és az idősorok alakulása jobban megfigyelhető.
Természetesen vannak valamivel összetettebb modellek. Egyrészt a Box-Jenkins modell, másrészt a Holt-Winter modell. Ez utóbbi egyszerűségének és egyszerű használatának köszönhetően nagyon hasznos. Nem fogunk konkrét részletekbe bocsátkozni, mivel túllépnénk azt a célunkat, hogy egyszerű módon mutassuk be a gazdaságot.
Az exponenciális simítási módszerek előnyei
Az előnyök mindenekelőtt az egyszerűség és az egyszerű alkalmazás, de van még néhány. Az alábbiakban bemutatjuk a legrelevánsabbakat:
- Nincs szüksége sok történelmi adatra, ellentétben más módszerekkel, például az ARIMA-val.
- Nagyobb pontossággal rendelkezik, mint mások, ha exponenciális modellezési technikákat alkalmaznak.
- Ez egy olyan módszer, amely nagy rugalmasságot élvez, a kutató által választható keresleti adatok felhasználásával.
- Az úgynevezett kettős exponenciális simítás lehetővé teszi az előrejelzési problémák csökkentését, ha a simítási tényező nagyobb, mint 0,5. A kevés hátrány egyike.
Exponenciális simítási példa
Képzeljünk el egy céget, amely burgonya chipset értékesít. A mexikói anyavállalat kereskedelmi igazgatója felveszi a kapcsolatot spanyolországi kollégájával. Ez azt mondja, hogy értékesítési előrejelzést fog készíteni Valencia számára. De természetesen az egyetlen mutató, amellyel el kell kezdenie, az az értékesítés Mexikóban, ahol az adatok összehasonlíthatók. Használjon egy tényezőt a 35% -os sorok simításához.
Amint az ábrán láthatjuk, a képletet alkalmazva megkapjuk az előrejelzési értékeket. Az első (P1) 2015 januárjától a mexikói értékesítés az adott hónapban. A kereslet oszlop az adott év tényleges adatai. Innen a képlet megadásával az előrejelzési oszlop többi adatát létrehozhatjuk.
Ellenőrizhetjük, hogy az exponenciális simítás csökkenti-e az ingadozásokat, és megfigyelhetjük, hogy nem látszik egyértelmű tendencia. Az előrejelzés azonban legtöbbször meghaladja a végül előállított tényleges keresletet. Bár egy későbbi időszakban ez sokkal nagyobb.