Den exponentiella utjämningsmetoden använder de historiska medelvärdena för en variabel under en period för att försöka förutsäga dess framtida beteende.
Därför handlar det om att förutsäga vad som kommer att hända och vad det gör är att jämna ut tidsserierna. Målet är att minska fluktuationer och kunna observera en trend som ibland inte är tydlig för blotta ögat. Det används ofta, särskilt i väntan på försäljning och har visat sig vara mer än acceptabelt.
Den exponentiella utjämningsmetoden
Låt oss titta på ett enkelt sätt att beräkna. Formeln, som vi visar i detalj i exemplet, inkluderar en faktisk efterfrågan (Do) och en prognos (Po). Å andra sidan är utjämningsfaktorn (alfa) uttryckt i så många gånger en. Formeln skulle vara den här:
Vad vi gör, som vi kommer att se i slutet, är mjuk serie. Lägg till prognosen för föregående period (Po) skillnaden mellan detta och efterfrågan (Do) multiplicerat med utjämningsfaktorn (alfa). Med detta uppnår vi värden med mindre variation och utvecklingen av tidsserierna kan bättre observeras.
Naturligtvis finns det något mer komplexa modeller. Å ena sidan Box-Jenkins-modellen och å andra sidan Holt-Winter-modellen. Det senare är mycket användbart på grund av dess enkelhet och användarvänlighet. Vi kommer inte att gå in på specifika detaljer, eftersom vi skulle överträffa vårt mål att visa ekonomin på ett enkelt sätt.
Fördelarna med exponentiella utjämningsmetoder
Fördelarna är framför allt enkelhet och enkel användning, men det finns några fler. Vi visar det mest relevanta nedan:
- Det behöver inte mycket historisk data, till skillnad från andra metoder som ARIMA.
- Den har högre precision än andra när man använder exponentiell modelleringsteknik.
- Det är en metod som har stor flexibilitet genom att använda efterfrågedata som kan väljas av forskaren.
- Den så kallade dubbla exponentiella utjämningen gör det möjligt att minska prognosproblem när utjämningsfaktorn är större än 0,5. En av dess få nackdelar.
Exponentiellt utjämningsexempel
Föreställ dig ett företag som säljer potatischips. Den kommersiella chefen för det mexikanska moderbolaget kontaktar sin motsvarighet i Spanien. Detta säger att du ska göra en försäljningsprognos för Valencia. Men naturligtvis är den enda indikatorn du måste börja med försäljning i en stad i Mexiko där data kan jämföras. Använd en faktor för att jämna ut serien på 35%.
Som vi kan se i figuren, genom att använda formeln får vi prognosvärdena. Den första (P1), från januari 2015, är försäljningen av Mexico City för den månaden. Efterfrågan kolumn är den faktiska informationen för det året. Därifrån, genom att ange formeln, kan resten av data i kolumnen prognos skapas.
Vi kan verifiera att den exponentiella utjämningen minskar fluktuationerna och observerar att det inte verkar finnas någon tydlig trend. Prognosen ligger dock oftast över den faktiska efterfrågan som så småningom producerades. Även om det under en senare period är mycket större.