Метода експоненцијалног изравнавања користи историјске просеке променљиве у периоду за покушај предвиђања њеног будућег понашања.
Према томе, оно о чему се ради је да предвиди шта ће се догодити и шта ће урадити је да изглади временске серије. Циљ је смањити флуктуације и моћи уочити тренд који понекад није јасан голим оком. Широко се користи, посебно у очекивању продаје, и показао се више него прихватљивим.
Метода експоненцијалног заглађивања
Погледајмо једноставан начин израчунавања. Формула, коју детаљно приказујемо у примеру, укључује стварну потражњу (До) и прогнозу (По). С друге стране, фактор заглађивања (алфа) изражен у толико пута једном. Формула би била следећа:
Оно што радимо, као што ћемо видети на крају, је глатка серија. Прогнози за претходни период (По) додајте разлику између ове и потражње (До) помножене са фактором заглађивања (алфа). Овим постижемо вредности са мање варијабилности и еволуција временских серија се може боље уочити.
Наравно, постоје и нешто сложенији модели. С једне стране, модел Бок-Јенкинс, а са друге Холт-Винтер модел. Ово друго је врло корисно због своје једноставности и једноставности употребе. Нећемо улазити у конкретне детаље, јер бисмо премашили свој циљ приказивања економије на једноставан начин.
Предности експоненцијалних метода заглађивања
Предности су пре свега једноставност и једноставност примене, али има их још неколико. У наставку приказујемо најрелевантније:
- Не треба много историјских података, за разлику од других метода као што је АРИМА.
- Има већу прецизност од осталих када користи технике експоненцијалног моделирања.
- То је метода која ужива велику флексибилност, користећи податке о потражњи које истраживач може одабрати.
- Такозвано двоструко експоненцијално заглађивање омогућава смањење проблема с предвиђањем када је фактор изравнавања већи од 0,5. Један од ретких недостатака.
Пример експоненцијалног заглађивања
Замислите компанију која продаје чипс од кромпира. Комерцијални директор мексичке матичне компаније контактира свог колегу у Шпанији. Ово вам говори да ћете направити прогнозу продаје за Валенсију. Али наравно, једини показатељ са којим морате почети је продаја у граду у Мексику где се подаци могу упоређивати. Користите фактор да изравнате серију од 35%.
Као што видимо на слици, применом формуле добијамо прогнозиране вредности. Прва (П1), од јануара 2015. године, је продаја Мексико Ситија за тај месец. Ступац потражње су стварни подаци за ту годину. Одатле се уносом формуле могу створити остатак података у колони прогноза.
Можемо да потврдимо да експоненцијално заглађивање смањује флуктуације и примећујемо да изгледа да не постоји јасан тренд. Међутим, прогноза је већину времена изнад стварне потражње која је на крају произведена. Иако је у каснијем периоду ово много веће.