Eksponenciālās izlīdzināšanas metode izmanto mainīgā vēsturiskos vidējos rādītājus periodā, lai mēģinātu paredzēt tā turpmāko rīcību.
Tāpēc tas ir paredzēt, kas notiks un ko tas dara, lai izlīdzinātu laika rindas. Mērķis ir samazināt svārstības un spēt novērot tendenci, kas dažreiz nav skaidra ar neapbruņotu aci. Tas tiek plaši izmantots, īpaši paredzot pārdošanas apjomus, un ir izrādījies vairāk nekā pieņemams.
Eksponenciālās izlīdzināšanas metode
Apskatīsim vienkāršu aprēķina veidu. Formula, kuru mēs detalizēti parādām piemērā, ietver faktisko pieprasījumu (Do) un prognozi (Po). No otras puses, izlīdzināšanas koeficients (alfa) izteikts tik daudz reižu vienā. Formula būtu šāda:
Tas, ko mēs darām, kā redzēsim beigās, ir vienmērīga sērija. Pievienojiet iepriekšējā perioda prognozei (Po) starpību starp šo un pieprasījumu (Do), kas reizināta ar izlīdzināšanas koeficientu (alfa). Ar to mēs sasniedzam vērtības ar mazāku mainīgumu, un laika rindu attīstību var labāk novērot.
Protams, ir nedaudz sarežģītāki modeļi. No vienas puses, Box-Jenkins modelis un, no otras puses, Holt-Winter modelis. Pēdējais ir ļoti noderīgs tā vienkāršības un lietošanas ērtuma dēļ. Mēs negrasāmies iedziļināties konkrētās detaļās, jo mēs pārsniegtu savu mērķi parādīt ekonomiku vienkāršā veidā.
Eksponenciālās izlīdzināšanas metožu priekšrocības
Priekšrocības galvenokārt ir vienkāršība un vienkārša pielietošana, taču ir vēl dažas. Tālāk parādīsim visatbilstošākos:
- Tam nav nepieciešams daudz vēsturisku datu, atšķirībā no citām metodēm, piemēram, ARIMA.
- Izmantojot eksponenciālās modelēšanas metodes, tam ir lielāka precizitāte nekā citiem.
- Tā ir metode, kas bauda lielu elastību, izmantojot datus par pieprasījumu, kurus var izvēlēties pētnieks.
- Tā dēvētā dubultā eksponenciālā izlīdzināšana ļauj samazināt prognozēšanas problēmas, kad izlīdzināšanas koeficients ir lielāks par 0,5. Viens no nedaudzajiem trūkumiem.
Eksponenciālas izlīdzināšanas piemērs
Iedomājieties uzņēmumu, kas pārdod kartupeļu čipsus. Meksikas mātes uzņēmuma komercdirektors sazinās ar savu kolēģi Spānijā. Tas jums saka, ka jūs gatavojaties veikt pārdošanas prognozi Valensijai. Bet, protams, vienīgais rādītājs, ar kuru jāsāk, ir pārdošana Meksikas pilsētā, kur var salīdzināt datus. Izmantojiet koeficientu, lai izlīdzinātu 35% sēriju.
Kā redzams attēlā, izmantojot formulu, iegūstam prognozes vērtības. Pirmie (P1) no 2015. gada janvāra ir Mehiko pārdošanas apjomi attiecīgajā mēnesī. Pieprasījuma sleja ir faktiskie dati par šo gadu. No turienes, ievadot formulu, var izveidot pārējos datus prognozes slejā.
Mēs varam pārbaudīt, vai eksponenciālā izlīdzināšana samazina svārstības, un mēs novērojam, ka šķiet, ka nav skaidras tendences. Tomēr prognoze lielākoties pārsniedz faktisko pieprasījumu, kas galu galā tika saražots. Lai gan vēlākā periodā tas ir daudz lielāks.