Eksponentinis išlyginimas yra metodas, skirtas manipuliuoti duomenimis iš chronologinių stebėjimų serijos, siekiant sumažinti atsitiktinių variacijų poveikį. Matematinis modeliavimas, skaitmeninio duomenų rinkinio modeliavimo kūrimas, dažnai stebimi duomenys traktuojami kaip dviejų ar daugiau komponentų, iš kurių vienas yra atsitiktinė klaida, skirtumai tarp stebimos vertės ir pagrindinės tikrosios vertės, suma. Tinkamai pritaikius išlyginimo metodus, atsitiktinių svyravimų poveikis sumažinamas iki minimumo, todėl lengviau matyti pagrindinį reiškinį – tai naudinga tiek pateikiant duomenis, tiek prognozuojant būsimas vertes. Jie vadinami „išlyginimo“ metodais, nes jie pašalina nelygius pakilimus ir nuosmukius, susijusius su atsitiktine variacija, ir palieka sklandesnę liniją arba kreivę, kai grafiškai pateikiami duomenys. Išlyginimo metodų trūkumas yra tas, kad netinkamai naudojami jie taip pat gali išlyginti svarbias tendencijas ar ciklinius duomenų pokyčius, taip pat atsitiktinius pokyčius ir taip iškreipti bet kokias jų siūlomas prognozes.
Paprasčiausias išlyginimo būdas yra praeities verčių vidurkis. Deja, tai taip pat visiškai užgožia visas duomenų tendencijas, pokyčius ar ciklus. Sudėtingesni vidurkiai pašalina dalį, bet ne visą šį užtemdymą ir vis tiek linkę atsilikti nuo prognozuotojų, nereaguodami į tendencijų pokyčius tol, kol tendencijai pasikeitus bus atlikta keletas stebėjimų. To pavyzdžiai yra slenkamasis vidurkis, kuriame naudojami tik naujausi stebėjimai, arba svertinis vidurkis, kuris vienus stebėjimus vertina labiau nei kitus. Eksponentinis išlyginimas yra bandymas pagerinti šiuos defektus.
Paprastas eksponentinis išlyginimas yra pati pagrindinė forma, naudojant paprastą rekursinę formulę duomenims transformuoti. S1, pirmasis išlygintas taškas, yra tiesiog lygus O1, pirmieji pastebėti duomenys. Kiekvienam paskesniam taškui išlygintas taškas yra interpoliacija tarp ankstesnių išlygintų duomenų ir dabartinio stebėjimo: Sn = aOn + (1-a)Sn-1. Konstanta “a” yra žinoma kaip išlyginimo konstanta; jis vertinamas tarp nulio ir vieneto ir nustato, kiek svorio suteikiama neapdorotiems duomenims, o kiek – išlygintiesiems duomenims. Statistinė analizė, siekiant sumažinti atsitiktinę paklaidą, paprastai nustato optimalią tam tikros duomenų serijos vertę.
Jei rekursinė Sn formulė perrašoma tik pagal stebimus duomenis, gaunama formulė Sn = aOn + a(1-a)On-1 + a(1-a) 2On-2 + . . . atskleidžiant, kad išlyginti duomenys yra svertinis visų duomenų vidurkis, o svoriai kinta eksponentiškai geometrinėje eilutėje. Tai yra eksponentinės reikšmės šaltinis frazėje „eksponentinis išlyginimas“. Kuo „a“ reikšmė artimesnė vienetui, tuo labiau išlyginti duomenys bus reaguoti į tendencijos pokyčius, tačiau taip pat bus labiau priklausomi nuo atsitiktinių duomenų svyravimų.
Paprasto eksponentinio išlyginimo pranašumas yra tas, kad jis leidžia stebėti, kaip keičiasi išlyginti duomenys. Tačiau jis prastai atskiria tendencijos pokyčius nuo atsitiktinių duomenims būdingų svyravimų. Dėl šios priežasties taip pat naudojamas dvigubas ir trigubas eksponentinis išlyginimas, įvedant papildomas konstantas ir sudėtingesnes rekursijas, siekiant atsižvelgti į tendencijas ir ciklinius duomenų pokyčius.
Nedarbo duomenys yra puikus duomenų, kuriems naudingas trigubas eksponentinis išlyginimas, pavyzdys. Trigubas išlyginimas leidžia vertinti nedarbo duomenis kaip keturių veiksnių sumą: neišvengiamą atsitiktinę duomenų rinkimo klaidą, bazinį nedarbo lygį, ciklinį sezoninį svyravimą, kuris turi įtakos daugeliui pramonės šakų, ir besikeičiančios tendencijos, atspindinčios šalies sveikatos būklę. ekonomika. Priskiriant glotninimo konstantas bazei, tendencijai ir sezoniniam svyravimui, trigubas išlyginimas leidžia pasauliečiui lengviau pamatyti, kaip laikui bėgant kinta nedarbas. Skirtingų konstantų pasirinkimas pakeis išlygintų duomenų išvaizdą, tačiau tai yra viena iš priežasčių, kodėl ekonomistai kartais gali labai skirtis savo prognozėse.
Eksponentinis išlyginimas yra vienas iš daugelio metodų, leidžiančių matematiškai pakeisti duomenis, siekiant geriau suprasti duomenis sukūrusį reiškinį. Skaičiavimai gali būti atliekami naudojant įprastą biuro programinę įrangą, todėl tai taip pat yra lengvai prieinama technika. Tinkamai naudojant, tai neįkainojamas įrankis duomenims pateikti ir prognozuoti. Netinkamai atliktas jis gali užgožti svarbią informaciją kartu su atsitiktiniais variantais, todėl su išlygintais duomenimis reikia būti atsargiems.