Üstel Yumuşatma - Nedir, tanımı ve konsepti

Üstel yumuşatma yöntemi, bir değişkenin gelecekteki davranışını tahmin etmeye çalışmak için bir dönemdeki geçmiş ortalamalarını kullanır.

Bu nedenle, ne olacağını tahmin etmekle ilgilidir ve ne yaptığı zaman serilerini yumuşatmaktır. Amaç, dalgalanmaları azaltmak ve bazen çıplak gözle net olmayan bir eğilimi gözlemleyebilmektir. Özellikle satış beklentisiyle yaygın olarak kullanılmaktadır ve kabul edilebilirden daha fazlası olduğu kanıtlanmıştır.

Üstel yumuşatma yöntemi

Basit bir hesaplama yöntemine bakalım. Örnekte detaylı olarak gösterdiğimiz formül, gerçek bir talep (Do) ve bir tahmin (Po) içermektedir. Öte yandan, yumuşatma faktörü (alfa) bir çok kez ifade edilir. Formül şu olurdu:

Yaptığımız şey, sonunda göreceğimiz gibi, seriyi pürüzsüz hale getirmektir. Önceki dönemin (Po) tahminine, bununla talep (Do) arasındaki farkı, yumuşatma faktörü (alfa) ile çarpın. Bununla daha az değişkenlik gösteren değerler elde ediyoruz ve zaman serilerinin evrimi daha iyi gözlemlenebiliyor.

Tabii ki, biraz daha karmaşık modeller var. Bir yanda Box-Jenkins modeli, diğer yanda Holt-Winter modeli. İkincisi, sadeliği ve kullanım kolaylığı nedeniyle çok kullanışlıdır. Ekonomiyi basit bir şekilde gösterme hedefimizi aşacağımız için belirli ayrıntılara girmeyeceğiz.

Üstel yumuşatma yöntemlerinin avantajları

Avantajları her şeyden önce basitlik ve uygulama kolaylığıdır, ancak birkaç tane daha vardır. Aşağıda en alakalı olanı gösteriyoruz:

• ARIMA gibi diğer yöntemlerden farklı olarak çok fazla geçmiş veriye ihtiyaç duymaz.
• Üstel modelleme tekniklerini kullanırken diğerlerinden daha yüksek hassasiyete sahiptir.
• Araştırmacı tarafından seçilebilen talep verilerini kullanarak büyük esnekliğe sahip bir yöntemdir.
• Sözde çift üstel yumuşatma, yumuşatma faktörü 0,5'ten büyük olduğunda tahmin problemlerini azaltmayı mümkün kılar. Birkaç dezavantajından biri.

Üstel yumuşatma örneği

Patates cipsi satan bir şirket düşünün. Meksikalı ana şirketin ticari direktörü, İspanya'daki meslektaşıyla temasa geçti. Bu size Valencia için bir satış tahmini yapacağınızı söyler. Ama tabii ki, başlamanız gereken tek gösterge, Meksika'da verilerin karşılaştırılabileceği bir şehirde yapılan satışlar. %35 serisini yumuşatmak için bir faktör kullanın.

Şekilde gördüğümüz gibi formülü uygulayarak tahmin değerlerini elde ederiz. Ocak 2015'teki ilk (P1), o ay için Mexico City satışlarıdır. Talep sütunu, o yıl için gerçek verilerdir. Buradan formül girilerek tahmin sütunundaki verilerin geri kalanı oluşturulabilir.

Üstel yumuşatmanın yaptığı dalgalanmaları azalttığını doğrulayabiliriz ve net bir eğilim görünmediğini gözlemleriz. Bununla birlikte, tahmin çoğu zaman sonunda üretilen gerçek talebin üzerindedir. Daha sonraki bir dönemde bu çok daha büyük olmasına rağmen.