Дефиниција изравнавања података
Изглађивање података врши се кориштењем алгоритма за уклањање буке из скупа података. То омогућава да се истичу важни обрасци. Изглађивање података може се користити за предвиђање трендова, попут оних који се налазе у ценама хартија од вредности.
Изглађени подаци су пожељнији јер генерално идентификују промене у економији у поређењу са неуглађеним подацима.
Објашњење података
Када се подаци састављају, њима се може манипулисати уклањањем или смањењем било које испарљивости или било које друге врсте буке. То се назива глађење података.
Идеја иза заглађивања података је да може идентификовати поједностављене промене како би се лакше предвидјеле различите трендове и обрасци. Дјелује као помоћ за статистичаре или трговце који требају погледати пуно података - који су често сложени за пробаву - како би пронашли обрасце које иначе не би видјели.
Да бисте објаснили визуелним приказом, замислите једногодишњи графикон акција компаније Кс. Свака појединачна висока тачка на табели за залихе може се смањити уз подизање свих доњих бодова. Ово би направило глатку криву и на тај начин помогло инвеститору да предвиди како акције могу радити у будућности.
Методе заглађивања података
Постоје различите методе за које се може изглађивати податке. Неки од њих укључују случајну методу, случајни ход, покретни просек, једноставно експоненцијално, линеарно експоненцијално и сезонско експоненцијално изглађивање.
Глатко кретање просјека даје једнаку тежину недавним цијенама и историјским.
Модел случајног ходања обично се користи за описивање понашања финансијских инструмената као што су залихе. Неки инвеститори верују да не постоји веза између прошлог кретања цене цене и његовог кретања у будућности. Изравнавање случајним ходом претпоставља да ће будуће тачке података бити једнаке последњој доступној тачки података плус случајној варијабли. Технички и основни аналитичари се не слажу са овом идејом; они верују да се будући покрети могу екстраполирати испитивањем прошлих трендова.
Често коришћен у техничкој анализи, покретни просек изглађује радњу цена док филтрира волатилност из насумичних кретања цена. Овај процес се заснива на прошлим ценама, што га чини трендовим - или заостајућим - индикатором.
Предности и недостаци заглађивања података
Изглађивање података може се користити за препознавање трендова у економији, хартија од вредности као што су акције, расположење потрошача или у друге пословне сврхе.
Кључне Такеаваис
- Заглађивање података користи алгоритам за уклањање буке из скупа података, омогућавајући да се истичу важни обрасци.
- Може се користити за предвиђање трендова, попут оних који се налазе у ценама хартија од вредности.
- Различити модели за заглађивање података укључују случајну методу, случајни ход и помични просјек.
- Иако заглађивање података може помоћи у предвиђању одређених трендова, може довести до занемаривања одређених података.
На пример, економиста може да изглади податке ради сезонских прилагођавања за одређене показатеље попут малопродајне продаје, смањујући варијације које се могу појавити сваког месеца, попут празника или цена гаса.
Међутим, постоји мања употреба ове алатке. Изглађивање података не пружа увек објашњење трендова или образаца који помажу у препознавању. Такође може довести до тога да се неке тачке података занемарују истицањем других.
Упоредите инвестиционе рачуне Име добављача Опис Откривање оглашивача × Понуде које се појављују у овој табели су од партнерстава од којих Инвестопедиа прима накнаду.