지수 이동 평균 평활 상수

기술 매끄러움에 의한 예측. 이 사이트는 의사 결정을위한 JavaScript E-labs 학습 객체의 일부입니다. 이 시리즈의 다른 JavaScript는이 페이지의 MENU 섹션에있는 여러 응용 분야로 분류됩니다. 시계열은 다음과 같은 일련의 관찰입니다. 시간이 지남에 따라 수집 된 데이터의 수집은 시간의 흐름에 따라 일정한 형태로 발생합니다. 무작위적인 변화로 인한 영향을 줄이기위한 방법이 있습니다. 널리 사용되는 기술이 원활합니다. 적절하게 적용될 때 이러한 기법이 기본 추세를 더 분명하게 나타냅니다. 왼쪽 위 모퉁이에서 시작하여 순차적으로 시계열을 입력하고 매개 변수 s를 입력 한 다음 계산 버튼을 클릭하여 일회성 예측을 얻습니다. 빈 상자는 계산에 포함되지 않지만 0은 있습니다. 데이터 매트릭스에있는 셀에서 셀로 이동하기 위해 데이터를 입력 할 때는 Tab 키를 누르지 말고 화살표 키를 사용하십시오. examini에 의해 표시 될 수있는 시계열의 특징 그래프를 예측 된 값 및 잔차 거동, 조건 예측 모델링과 비교합니다. 이동 평균 이동 평균은 시간 계열 전처리에서 가장 많이 사용되는 기법 중 하나입니다. 데이터에서 임의의 백색 잡음을 필터링하여 시계열을 만드는 데 사용됩니다 더 부드럽게 또는 심지어 시계열에 포함 된 특정 정보 구성 요소를 강조하기 위해 사용됩니다. 지수 평활화 평활화 된 시간 계열을 생성하는 데 매우 일반적으로 사용되는 구성표입니다. 과거 평균 관측치가 균등하게 가중치가 적용되는 경우 지수 평활화는 관측치가 커질수록 지수가 감소하는 가중치를 지정합니다. 즉, 최근 관측치는 이전 관측치보다 예측에서 상대적으로 더 많은 가중치가 부여됩니다. 이중 지수 평활화는 추세를 처리하는 데 더 좋습니다. 삼각 지수 스무딩은 포물선 추세를 처리 할 때 더 낫습니다. 평활 상수 a를 갖는 지수 가중 이동 평균은 대략 간단합니다 길이의 이동 평균 즉 기간 n, 여기서 a와 n은 서로 관련이 있습니다. a 2 n 1 OR n 2 - a a. 따라서 예를 들어 평활화 상수가 0 1 인 지수 가중 이동 평균은 대략 19 일 이동 평균에 해당합니다. 그리고 40 일 단순 이동 평균은 기하 급수적으로 이동 평균에 대략적으로 일치 할 것이며 평활 상수는 0 04878입니다. 선형 선형 지수 스무딩 시계열은 계절적이지는 않지만 표시하지 않습니다. 경향 홀트의 방법은 현재 레벨 및 현재 경향에 따라 달라집니다. 단순 이동 평균은 이동 평균 기간을 2 알파 알파의 정수 부분으로 설정하여 지수 평활화의 특별한 경우입니다. 대부분의 비즈니스 데이터에서 0보다 작은 알파 매개 변수는 자주 그러나 0 1에서 0 9까지, 0 1의 증분으로 매개 변수 공간의 격자 검색을 수행 할 수 있습니다. 그런 다음 최상의 알파는 평균 절대 오류 MA 오류가 가장 적습니다. 여러 가지 평활화 방법을 비교하는 방법 예측 기법의 정확성을 평가하기위한 수치 지표입니다. 가장 널리 사용되는 방법은 여러 예측의 시각적 비교를 사용하여 정확성을 평가하고 다양한 예측 방법 중에서 선택하는 것입니다. 이 접근법에서는 같은 그래프 시계열 변수의 원래 값 및 여러 가지 다른 예측 방법의 예상 값을 비교하여 시각적 비교를 용이하게합니다. 단일 매개 변수 만 사용하는 스무딩 기술을 기반으로 과거 예측 값을 얻으려면 과거 예상 기법을 사용하십시오. Holt 및 Winters 방법은 각각 두 개 및 세 개의 매개 변수를 사용하므로 매개 변수에 대한 시행 착오를 통해 최적의 값 또는 거의 최적의 값을 선택하는 것은 쉬운 작업이 아닙니다. 단일 지수 평활화는 단거리 투시를 강조합니다. 레벨을 마지막 관측 값으로 설정하고 트렌드가 없다는 조건에 기반합니다. 선형 회귀 이온은 히스토리 데이터 또는 변환 된 히스토리 데이터에 최소 제곱 선을 맞추고, 기본 트렌드를 조건으로하는 장거리를 나타냅니다. 홀트의 선형 지수 스무딩은 최근 추세에 대한 정보를 캡처합니다. 홀트 모델의 매개 변수는 다음과 같은 레벨 매개 변수입니다. 데이터 편차가 커지면 줄여야하며 트렌드 - 최근 트렌드 방향이 요인에 의해 뒷받침되는 경우 매개 변수를 늘려야합니다. 단기 예측이 페이지의 모든 JavaScript는 한 단계 앞선 것으로 나타났습니다 예측 2 단계 진행 예측을 얻으려면 단순히 예측 된 값을 시계열 데이터 끝에 추가 한 다음 동일한 계산 단추를 클릭하십시오. 필요한 단기 예측을 얻기 위해이 프로세스를 몇 번 반복 할 수 있습니다 . 단순한 대 지수 이동 평균. 이동 평균은 순차적 인 수열의 연구보다 더 깁니다. 시계열 분석의 초기 실무자는 실제로 더 집중적이었습니다 확률 이론과 분석의 형태로 보간은 패턴이 개발되고 상관 관계가 발견됨에 따라 훨씬 나중에 나왔다. 이해되면, 다양한 모양의 곡선과 선이 시간에 따라 그려졌다. 시리즈는 데이터 포인트가 어디로 갈지를 예측하기위한 시도입니다. 현재 기술적 분석 거래자가 현재 사용하고있는 기본 방법으로 간주됩니다. 차트 분석은 18 세기 일본으로 거슬러 올라갈 수 있지만, 이동 평균을 처음 시장 가격에 적용한 방법과시기는 미스터리입니다 EMA가 SMA 프레임 워크에 구축되어 있고 SMA 연속체가 플로팅 및 추적 목적에 대해 더 쉽게 이해 되었기 때문에 이동 평균 평균 SMA가 지수 이동 평균 EMA보다 오래 전에 사용되었음을 일반적으로 이해합니다. 그렇습니다. 단순 이동 평균 SMA 간단한 이동 평균이 선호되는 방법이되었습니다. 시장 가격을 쉽게 계산하고 이해하기 쉽기 때문에 추적 초기 시장 종사자는 오늘날 사용되는 정교한 차트 지표를 사용하지 않고 운영했기 때문에 주로 시장 가격을 유일한 가이드로 사용했습니다. 그들은 손으로 시장 가격을 계산하고이를 그래프로 표시했습니다 가격은 추세와 시장 방향을 나타냅니다. 이 과정은 매우 지루했으나 추후 연구 결과가 확정되어 수익성이 입증되었습니다. 10 일 이동 평균을 계산하려면 지난 10 일 종가를 더하고 10으로 나누십시오. 일 이동 평균은 20 일 기간의 종가를 더하고 20으로 나누는 방식으로 계산됩니다. 이 계산식은 종가 기준이지만 가격은 평균입니다. 하위 집합 이동 평균은 계산에 사용 된 가격 그룹이 차트의 요점에 따라 이동하기 때문에 이동합니다. 이는 새 종가 일에 찬성하여 구시대가 삭제됨을 의미하므로 새 계산은 항상 n입니다. 평균 고용 시간 프레임에 상응하는 금액으로 계산되므로 10 일 평균은 새로운 요일을 추가하고 10 일을 마침으로써 다시 계산되며 두 번째 날에는 9 일이 하락합니다 통화 거래에서 차트가 사용되는 방법에 대한 자세한 내용은 우리의 Chart Basics Walkthrough를 확인하십시오. 지수 이동 평균 EMA 지수 이동 평균은 1960 년대부터 세련되고 더 일반적으로 사용되었습니다. 컴퓨터를 사용한 초기 실무자 실험 덕분입니다. 새로운 EMA는 장기간이 아닌 가장 최근의 가격에 더 집중할 것입니다 일련의 데이터 포인트가 필요합니다. 현재 EMA 가격 현재 - 이전 EMA X 곱셈기 이전 EMA. 가장 중요한 요소는 2 1 N입니다. 여기서 N은 일 수입니다. 10 일 EMA 2 10 1 18 8. 이는 10- 기간 EMA가 가장 최근의 가격에 18 8, 20 일 EMA 9 52 및 50 일 EMA 3 92 가중치를 가중 평균 함을 의미합니다. EMA는 현재 기간 가격과 p 이전 EMA에 결과를 더하고 이전 EMA에 결과를 더하면 기간이 짧을수록 가장 최근 가격에 더 많은 가중치가 적용됩니다. 피팅 라인이 계산에 따라 포인트가 표시되어 피팅 라인을 나타냅니다. 시장 가격보다 높거나 낮은 피팅 라인은 모든 이동 평균은 뒤쳐지는 지표이며 주로 추세를 따르는 데 주로 사용됩니다. 피팅 라인은 높은 고점 또는 저 최저치의 부족으로 인해 추세를 나타내지 못하기 때문에 범위 시장 및 정체 기간과 잘 작동하지 않습니다. 시장 방향으로 올라가는 피팅 라인은 길다는 것을 의미하며, 시장 위의 떨어지는 피팅 라인은 짧은 것을 의미합니다. 완전한 가이드는 이동 평균 튜토리얼을 참조하십시오. 간단한 이동 평균을 사용하는 목적은 여러 그룹의 가격 수단을 사용하여 데이터를 다듬어서 추세를 파악하고 추세를 예측하고 추세를 예측하여 예측으로 추정합니다. 움직임은 계속 될 것 단순 이동 평균의 경우 장기적인 추세를 발견 할 수 있고 평균 가격에 더 초점을 맞추기 때문에 피팅 라인이 EMA 라인보다 강하게 유지 될 것이라는 합리적인 가정하에 EMA보다 훨씬 쉽게 따라갈 수 있습니다. EMA 가장 최근의 가격에 초점을 맞춰 짧은 추세 이동을 포착하는 데 사용됩니다. 이 방법을 사용하면 EMA가 단순 이동 평균의 시간 지연을 줄여야하므로 피팅 라인이 단순 이동 평균보다 가격을 더 근접하게 포착합니다. EMA의 문제점 이것은 특히 빠른 시장과 변동성이있는 기간 동안 가격 하락을하는 경향이 있습니다. 가격이 피팅 라인을 깰 때까지 EMA는 잘 작동합니다. 변동성이 높은 시장에서는 이동 평균 기간의 길이를 늘릴 수 있습니다. EMA에서 SMA는 SMA가 장기적인 수단에 초점을 맞추기 때문에 EMA보다 데이터를 훨씬 더 부드럽게 만들기 때문에. 후행 지표 다음에 나타나는 지표로서 이동 평균은지지 및 저항으로 잘 작용합니다 ance lines 가격이 10 일간의 상승세를 넘어서면 상승 추세가 약해질 가능성이 있거나, 적어도 시장이 통합 될 가능성이있다. 하락할 경우 10 일 이동 평균 이상으로 가격이 떨어지면 추세가 약화되거나 통합 될 수 있습니다 이러한 경우에는 10 일 및 20 일 이동 평균을 함께 사용하고 10 일 선이 20 일 선의 위 또는 아래를 지나갈 때까지 기다립니다. 다음 단기 가격 결정 장기 기간 동안 100 일 및 200 일 이동 평균을 장기간 방향으로 봅니다. 예를 들어 100 일 이동 평균과 200 일 이동 평균을 사용하면 100 일 이동 평균이 200 일 평균보다 낮 으면 s는 십자가를 불렀다 가격에 아주 bearish이다 200 일 이동 평균 이상 교차하는 100 일 이동 평균은 황금 십자가이라고 지명되고 가격을 위해 아주 완고하다 SMA 또는 EMA가 사용되면 그것은 중요하지 않다, 두 가지 모두 경향 추종 지표이기 때문에 단기적으로는 결론 이동 평균은 차트 및 시계열 분석의 기초입니다. 단순 이동 평균 및보다 복잡한 지수 이동 평균은 가격 이동을 원활하게하여 추세를 시각화하는 데 도움이됩니다. 기술적 분석은 때로는 예술이 아니라 예술이 아니라 두 가지 모두 마스터하기 위해 수년이 걸릴 것입니다. 기술 분석 자습서에서 자세히 알아보십시오. 미국이 돈을 최대한 빌릴 수있는 금액 부채 한도액은 제 2의 자유 채권법에 따라 작성되었습니다. 기관은 연방 준비 은행에서 유지하는 자금을 다른 예금 기관에 대출한다 .1 주어진 증권 또는 시장 지수에 대한 수익 분산의 통계적 척도 변동성은 측정 될 수있다. 1933 년 미국 의회가 은행법 (Banking Act) 상업 은행이 투자에 참여하는 것을 의미합니다. 비농업 급여는 농장, 개인 가정 및 d 비영리 부문 미국 노동국 (Bureau of Labor). 인도 루피에 대한 통화 약어 또는 통화 기호 인도 통화 인도 통화, 루피는 1.Exponential Smoothing Explained. Copyright Content에 저작권으로 보호되어 있으며 사용할 수 없습니다. 처음에 사람들은 Exponential Smoothing이라는 용어를 만났을 때 평탄함이 부드러워지는 것처럼 느껴질 것입니다. 그리고 나서 수학적으로 이해할 수있는 복잡한 수학적 계산을 구상하기 시작합니다. 그들이 필요로하는 경우에 사용할 수있는 내장 된 Excel 기능 지수 평활화의 현실은 훨씬 덜 놀라 울뿐 아니라 충격도 훨씬 적습니다. 사실 지수 스무딩은 매우 단순한 작업을 수행하는 매우 간단한 계산입니다. 왜냐하면이 간단한 계산의 결과로 기술적으로 일어나는 것이 실제로는 조금 복잡하기 때문입니다. 지수 평활화를 이해하면 t o 스무딩의 일반적인 개념과 스무딩을 달성하기 위해 사용되는 몇 가지 다른 일반적인 방법으로 시작하십시오. 스무딩은 무엇입니까? 스무딩은 매우 일반적인 통계 프로세스입니다. 실제로 우리는 일상 생활에서 다양한 형태로 평탄한 데이터를 정기적으로 접하게됩니다 평균을 사용하여 무언가를 묘사 할 때마다 평활화 된 숫자를 사용합니다. 무언가를 설명하기 위해 평균을 사용하는 이유를 생각하면 부드럽게하는 개념을 빨리 이해할 수 있습니다. 예를 들어, 가장 따뜻한 겨울을 경험 한 것입니다. 우리는 이것을 정량화 할 수 있습니다. 우리는 우리가 호출하는 기간 동안 매일 높은 온도와 낮은 온도의 데이터 세트로 시작합니다. 매년 기록 된 역사에서 겨울을 보냅니다. 그러나 그것은 우리가 매일 같이 좋아지지 않는 숫자들을 많이 남겨 둡니다. 이 겨울은 전년도의 해당 일보다 더 따뜻했습니다. 이 모든 점프를 데이터에서 제거하여 한 겨울과 다음 겨울을 더 쉽게 비교할 수있는 숫자가 필요합니다. 점프 제거 데이터의 주변을 평활화라고하며, 이 경우에는 평활화를 달성하기 위해 간단한 평균을 사용할 수 있습니다. 수요 예측에서 평활화를 사용하여 과거의 수요에서 임의의 변동 잡음을 제거합니다. 이렇게하면 수요 패턴을 주로 식별 할 수 있습니다. 계절성 및 미래의 수요를 예측하는 데 사용할 수있는 수요 수준 수요의 소음은 매일 온도 데이터를 뛰어 다니는 것과 동일한 개념입니다. 당연히 사람들이 수요 내역에서 소음을 제거하는 가장 일반적인 방법은 간단한 평균 또는 더 구체적으로, 이동 평균 이동 평균은 평균을 계산하기 위해 사전 정의 된 기간 수를 사용하며, 시간이 지나면 해당 기간이 이동합니다. 예를 들어, 4 개월 이동 평균을 사용하고 오늘은 5 월 1 일이면 1 월, 2 월, 3 월, 4 월에 발생한 평균 수요를 사용하여 6 월 1 일에 2 월, 3 월, 4 월 및 5 월에 수요를 사용합니다. 이동 평균을 기했습니다. 데이터 세트의 각 값에 동일한 중요도 가중치를 적용합니다. 4 개월 이동 평균에서 매월 이동 평균 25를 나타냅니다. 수요 내역을 사용하여 미래 수요 및 특히 미래 추세를 예측할 때, 최근의 내역이 예측에 더 큰 영향을 미치기를 원합니다. 원하는 결과를 얻으려면 각 기간에 다양한 가중치를 적용하기 위해 이동 평균 계산을 적용 할 수 있습니다. 이러한 가중치를 백분율로 표시하고 모든 기간의 모든 가중치의 합계 따라서 우리는 4 개월 이동 평균에서 가장 가까운 기간의 가중치로 35를 적용하기로 결정하면 100에서 35를 뺀 나머지 3 개의 기간 동안 65로 나뉘어집니다. 예를 들어, 우리는 4 개월 동안 15, 20, 30 및 35의 가중치로 끝낼 수 있습니다. 15 20 30 35 100. 지수 스무딩. 가장 최근의 기간에 가중치를 적용하는 개념으로 다시 돌아 가면 3 명 5로 설정하고 가장 최근의 가중치 인 35를 빼서 계산 한 나머지 가중치를 100에서 65로 늘리면 지수 평활화 계산을위한 기본 구성 요소가됩니다. 지수 평활화 계산의 제어 입력은 평활화 또한 평활 상수라고 불리는 요소 본질적으로 가장 최근의 기간 수요에 적용되는 가중치를 나타냅니다. 따라서 가중 이동 평균 계산에서 가장 최근 기간의 가중치로 35를 사용했을 때 35를 평활화로 사용할 수도 있습니다 우리의 지수 스무딩 계산에서 유사한 효과를 얻으십시오 지수 스무딩 계산과의 차이점은 이전의 각 기간에 얼마만큼의 가중치를 적용해야하는지 알지 못하는 대신에 평활화 계수가 자동으로 사용된다는 것입니다. 여기에서 exponential part가 나온다. 35를 smoothing factor로 사용한다면, 가장 최근의 기간의 가중치는 be next 가장 최근의 기간의 가중치는 가장 최근의 기간이 35의 65가되기 전에 기간을 요구합니다. 65는 100에서 35를 뺀 것입니다. 이것은 당신이 수학을한다면 그 기간 동안 22의 75 가중치와 같습니다. 다음 가장 최근의 기간 그 수요는 65의 65 개 중 65 개가 65 개가되어 14 개에 해당합니다 79 이전에 그 기간은 65 개 중 65 개가 65 개이고 35 개가 9 개이고 나머지는 이전의 모든 기간을 거치며 계속됩니다 다시 말하자면 특정 항목에 대해 지수 평활화를 사용하기 시작한 시점이나 시점으로 되돌아 갈 수 있습니다. 아마도 수학을 많이 바라 보는 것처럼 생각할 수 있습니다. 그러나 지수 평활화 계산의 장점은 새로운 기간 수요가 발생할 때마다 이전 기간마다 재 계산하려면 이전 기간의 지수 평활화 계산 결과를 사용하여 이전 기간을 모두 나타낼 수 있습니다. 아직 혼란 스러울 때 실제 계산을 살펴보십시오. 전형적으로 지수 평활화 계산의 결과를 다음 기간 예측으로 참조하십시오. 실제로는 궁극적 인 예측에 약간의 작업이 필요하지만이 계산의 목적을 위해 지수 평활화 계산은 다음과 같습니다. 가장 최근 기간의 요구량에 평활화 인수를 곱한 값 PLUS 최근 주기량에 1을 곱한 값을 평활화 인수 D로 가장 최근 기간의 수요 S는 10 진수 형식으로 표시된 평활화 계수 그래서 35는 0 35 F로 나타낼 수 있습니다. 가장 최근의 기간은 이전 기간의 평활화 계산 결과를 예측합니다. 또는 0의 평활화 계수를 가정합니다. 35보다 더 간단하지 않습니다. 우리는 데이터 입력이 필요합니다. 여기에는 가장 최근의 기간 수요와 가장 최근의 기간이 있습니다. 우리는 우리가 원하는 것과 동일한 방식으로 가장 최근의 기간 수요에 평활화 계수 가중을 적용합니다 가중 이동 평균 계산 그런 다음 가장 최근 기간의 예측에 나머지 가중치 1에서 평활화 계수를 뺀 값을 적용합니다. 가장 최근의 기간 예측은 이전 기간의 수요와 이전 기간의 예측을 기반으로 작성 되었기 때문에 그 이전의 기간에 대한 수요와 그 이전의 기간에 대한 예측에 의거하여, 그 이전의 기간에 대한 수요와 그 이전의 기간에 대한 예측에 기초를 두었습니다. 이전의 모든 기간의 수요가 실제로 되돌아 가지 않고 아무것도 계산하지 않고 어떻게 계산되는지보십시오. 그리고 그것은 지수 평활화의 초기 인기를 이끌어 냈습니다. 가중 평균보다 평활화가 더 잘 되었기 때문에 그렇지 않았습니다. 컴퓨터 프로그램에서 계산하는 것이 더 쉬웠습니다. 이전 기간이나 이전 기간을 사용하기 위해 어떤 가중치를 사용할지 생각할 필요가 없었기 때문에 실제로 가중 이동 평균보다 더 시원하게 들렸 기 때문에 가중 이동 평균이 될 것입니다. 실제로 이전 가중치에 대한 가중치를보다 많이 제어 할 수 있으므로 가중 이동 평균이 더 큰 유연성을 제공한다고 주장 할 수 있습니다. 존경할만한 결과를 얻었으므로보다 쉽고 시원하게 들리는 이유는 무엇입니까? Excel의 지수 스무딩. 실제 데이터가있는 스프레드 시트에서 이것이 실제로 어떻게 보이는지 보도록하겠습니다. 저작권 관련 내용은 저작권으로 보호되며 재 게시 할 수 없습니다. 그림 1A , 우리는 11 주 수요의 엑셀 스프레드 시트를 가지고 있으며, 그 요구로부터 계산 된 기하 급수적 인 예측은 셀 C1에서 25 0 25의 평활화 계수를 사용했습니다. 현재 활성 셀은 12 번째 주에 대한 예측을 포함하는 셀 M4입니다. 수식 바에서 볼 수있는 수식은 L3 C1 L4 1- C1입니다. 따라서이 계산의 직접 입력은 이전 기간의 셀 L3, 이전 기간의 셀 L4 예측, 및 평활화 계수 셀 C1, 절대 셀 참조 C1로 표시됩니다. 지수 평활화 계산을 시작하면 수동으로 첫 번째 예측 값을 입력해야합니다. 따라서 셀 B4에서는 수식 대신에 예측과 동일한 기간 셀 C4에서 우리는 첫 번째 지수 평활화 계산을합니다. B3 C1 B4 1- C1 그런 다음 셀 C4를 복사하여 셀 D4에서 M4에 붙여 나머지 예측 셀을 채 웁니다. 예측 셀을 클릭하여 이전 기간의 예측 셀과 이전 기간의 수요 셀을 기반으로 볼 수 있습니다. 따라서 이후의 지수 스무딩 계산은 이전의 지수 평활화 계산의 출력을 상속합니다. 각 이전 기간의 수요가 어떻게 표시되는지 그 계산이 이전 기간을 직접 참조하지는 않지만 가장 최근의 기간 계산 s 당신이 멋지게하려면 Excel의 trace precedents 함수를 사용할 수 있습니다. 이렇게하려면 셀 M4를 클릭하고, 그런 다음 리본 도구 모음 Excel 2007 또는 2010에서 수식 탭을 클릭 한 다음 추적 선행을 클릭합니다. 선행 수준의 연결선이 그립니다. 그러나 선행 추적 추적을 계속 클릭하면 모든 이전 기간의 연결선이 표시되어 상속 된 관계. 이제는 지수 스무딩이 우리에게 어떤 영향을 미치는지 보도록하겠습니다. 그림 1B는 우리의 수요와 예측에 대한 꺾은 선형 차트를 보여줍니다. 당신은 기하 급수적으로 평활화 된 예측이 주간 수요에서 점프하는 대부분의 지그재그를 제거하지만 여전히 관리합니다 수요 증가 추세 인 것처럼 보임 평탄화 된 예측 선이 수요 선보다 낮아지는 경향이 있음을 알 수 있습니다. 이는 추세 지연으로 알려져 있으며 평활화 프로세스의 부작용입니다. 추세가 나타납니다. 예측치가 추세에 비해 뒤떨어집니다. 이는 모든 스무딩 기법에 해당합니다. 사실이 스프레드 시트를 계속해서 낮은 수요량을 입력하면 위도 트렌드를 보면 수요 선이 떨어지고 추세선이 위의 추세를 따라 가기 시작합니다. 그 이유는 이전에 예측이라고 부르는 지수 평활화 계산의 결과를 언급했기 때문에 여전히 더 많은 작업이 필요합니다. 수요가 급격하게 증가하는 것보다 예측에 훨씬 더 많은 것입니다. 우리는 경향 지연, 계절성, 수요에 영향을 줄 수있는 알려진 사건 등을 조정해야합니다. 그러나이 모든 내용은이 기사의 범위를 벗어납니다. 또한 이중 지수 평활화 및 삼중 지수 평활화와 같은 용어로 실행됩니다. 원하는 경우 여러 번 요구 사항을 다시 부드럽게하지 않기 때문에 이러한 용어가 오해의 소지가 있습니다. 그러나 여기서는 중요하지 않습니다. 이러한 용어는 지수 평활화를 사용하여 나타냅니다 예측의 추가 요소에 대해 설명합니다. 간단한 지수 스무딩을 사용하면 기본 수요를 원활하게 할 수 있지만 지수 지수를 2 배로 늘리면 기본 수요를 원활하게합니다. 트렌드 및 트리플 지수 스무딩을 사용하면 기본 수요 플러스 추세 플러스 계절성을 부드럽게합니다. 지수 스무딩에 대한 다른 가장 일반적인 질문은 내 평활화 요인을 얻는 곳입니다. 여기에 마법의 답이 없습니다. 테스트해야합니다 요구 사항 데이터와 함께 다양한 평활화 요인으로 인해 최상의 결과를 얻을 수 있습니다. 자동으로 평활화 계수를 설정하고 변경할 수있는 계산이 있습니다. 이러한 항목은 적응 형 평활화라는 용어 아래에 있지만 조심해야합니다. 철저하게 테스트하지 않고 맹목적으로 계산을 수행하지 말고 계산에 대한 철저한 이해를 개발해야합니다. what-if 시나리오를 실행하여 현재 사용중인 수요 데이터에 현재 존재하지 않는 변경을 요구하는 방법을 파악해야합니다 이전에 사용한 데이터 예제는 다른 시나리오를 실제로 테스트해야하는 상황의 아주 좋은 예입니다. Th 특정 데이터 예제에서 다소 일관된 상승 추세를 보임 경제 성장에 따라 조정 된 소프트웨어 설정이 경제가 정체 될 때 잘 반응하지 않았던 과거의 매우 비싼 예측 소프트웨어를 사용하는 많은 대기업은 큰 어려움을 겪었습니다 또는 축소 이러한 상황은 귀하의 계산 소프트웨어가 실제로하는 일을 이해하지 못할 때 발생합니다. 예측 시스템을 이해하면 갑작스런 급격한 비즈니스 변화가 발생했을 때 무언가를 변경해야한다는 것을 알았을 것입니다. 지수 평활화의 기초를 설명하십시오. 실제 예측에서 지수 평활화를 사용하는 것에 대해 더 알고 싶다면 내 책 인벤토리 관리 설명을 확인하십시오. 저작권 내용은 저작권으로 보호되며 재 게시 할 수 없습니다. Paveecki는 Inventory의 소유자 운영자입니다. Operations Consulting LLC는 재고 관리, 동료와 관련된 서비스를 제공하는 컨설팅 회사입니다. 운영 및 창고 운영 업무 관리 분야에서 25 년 이상의 경력을 쌓았으며 웹 사이트를 통해 관련 정보를 추가로 관리 할 수 ​​있습니다.