Exponentielle Glättung - LinkFang.de





Exponentielle Glättung


Die exponentielle Glättung (englisch exponential smoothing) ist ein Verfahren der Zeitreihenanalyse zur kurzfristigen Prognose aus einer Stichprobe mit periodischen Vergangenheitsdaten. Diese erhalten durch das exponentielle Glätten mit zunehmender Aktualität eine höhere Gewichtung. Die Alterung der Messwerte wird ausgeglichen, die Sicherheit der Vorhersage verbessert, insbesondere bei der Bedarfs-, Bestands- und Bestellrechnung. Grundlegend ist eine geeignete Datenbasis mit Messwerten aus Marktanalysen.

Die exponentielle Glättung wird vor allem verwendet, wenn die Zeitreihe keinerlei systematisches Muster wie linearen Anstieg oder Ähnliches erkennen lässt. Das Verfahren wird beispielsweise in der Lagerhaltung verwendet, wenn es etwa darum geht, den Bedarf eines zu bestellenden Artikels im kommenden Jahr zu ermitteln. So hat die Schweizer Armee mit der exponentiellen Glättung gute Erfolge bei der Ermittlung der benötigten Gewehre im folgenden Jahr gemacht.

Man ermittelt mit der exponentiellen Glättung also Prognosewerte. Man geht von dem Ansatz aus, dass der gegenwärtige Zeitreihenwert immer auch von den vergangenen Werten beeinflusst wird, wobei sich der Einfluss abschwächt, je weiter der Wert in der Vergangenheit liegt. Durch die Gewichtung der Zeitreihenwerte mit einem Glättungsfaktor werden starke Ausschläge einzelner beobachteter Werte auf der geschätzten Zeitreihe verteilt.

Formales Modell

Gegeben ist eine Zeitreihe mit den Beobachtungen [math]y_1, y_2, \dotsc, y_t, \dotsc[/math] zu den Zeitpunkten [math]t \in \N[/math]. Im Zeitpunkt [math]t[/math] wird für [math]y_t[/math] ein geglätteter Schätzwert [math]y^*_t[/math] errechnet, der sich als gewichteter Durchschnitt ergibt aus dem aktuellen Zeitreihenwert [math]y_t[/math] und dem Schätzwert der Vorperiode [math]y^*_{t-1}[/math]. Die Gewichtung wird durch den Glättungsfaktor [math]\alpha[/math] bestimmt, wobei [math]0 \leq \alpha \leq 1[/math] sein muss. Man erhält

[math]y^*_t = \alpha \cdot y_{t} + (1-\alpha) \cdot y^*_{t-1}[/math].

Für [math]\alpha = 1[/math] ist der Vorhersagewert gleich dem Messwert (keine Glättung), für [math]\alpha = 0[/math] bleibt die Vorhersage unverändert (Glättung zu einer Parallelen zur x-Achse).

Die Zeitreihe baut sich so rekursiv auf. Theoretisch ist die laufende Zeitreihe beim Zeitpunkt [math]t[/math] bereits unendlich lang. Für die praktische Ermittlung des geglätteten Wertes wird man allerdings einen Startwert [math]y^*_0[/math] vorgeben und von da an die geglättete Zeitreihe ermitteln.

Baut man nun beginnend bei [math]y^*_0[/math] die geglättete Zeitreihe auf,

[math]y_1^* = \alpha y_1 + (1-\alpha )y^*_0\;,[/math]
[math]y_2^* = \alpha y_2 + (1-\alpha )y^*_1\;,[/math]
[math]y_3^* = \alpha y_3 + (1-\alpha )y^*_2\;,[/math]
[math]\ldots[/math]

erhält man, wenn man die Rekursion auflöst,

[math] y^*_t = \alpha y_t + \alpha (1- \alpha ) y_{t-1} + \alpha (1- \alpha )^2 y_{t-2} + \dotsb + \alpha (1- \alpha )^{t-1} y_1 + (1- \alpha )^t y^*_0[/math].

Man sieht, wie wegen [math]\alpha \lt 1[/math] die Einflüsse der Vergangenheit immer mehr verschwinden.

α wird deshalb auch Gegenwartsfaktor genannt. Je größer [math]\alpha[/math], desto stärker ist bei der Berechnung der Bezug auf die aktuelleren Werte.

Der Schätzwert [math]y^*_t[/math] liefert dann den Prognosewert für den Zeitpunkt [math]t+1[/math]. Liegt also der beobachtete Zeitreihenwert [math]y_t[/math] der Gegenwart vor, kann die Prognose für die nächste Periode getroffen werden.

Beispiel für den exponentiell geglätteten DAX

Es soll mit den monatlichen Durchschnittswerten des Aktienindex DAX für die Monate Januar 1977 bis August 1978 eine exponentielle Glättung berechnet werden. Die Daten liegen nebst den geglätteten Zeitreihenwerten vor:

DAX-Werte und ihre exponentielle Glättung (α = 0,3)
Monat	Zeitpunkt t	DAX Vt	Glättung y*t
1977 Jan	0	512,3	512,3
1977 Feb	1	496,2	507,5
1977 Mrz	2	509,8	508,2
1977 Apr	3	551,9	521,3
1977 Mai	4	539,9	526,9
1977 Jun	5	524,9	526,3
1977 Jul	6	530,3	527,5
1977 Aug	7	540,9	531,5
1977 Sep	8	541,3	534,4
1977 Okt	9	554,2	540,4
1977 Nov	10	557,5	545,5
1977 Dez	11	549,34	546,7
1978 Jan	12	549,4	547,5
1978 Feb	13	552,9	549,1
1978 Mrz	14	549,7	549,3
1978 Apr	15	532,1	544,1
1978 Mai	16	545,5	544,5
1978 Jun	17	553,0	547,1
1978 Jul	18	582,1	557,6
1978 Aug	19	583,1	565,2

Der erste Wert wird mit 512,3 als Startwert [math] y_0^*[/math] genommen. Wir verwenden einen Glättungsfaktor α = 0,3.

Es ergeben sich die geglätteten Werte

[math]y_1^* = 0{,}3 \cdot 496{,}2 + 0{,}7 \cdot 512{,}3 = 507{,}5 \;,[/math]
[math]y_2^* = 0{,}3 \cdot 509{,}8 + 0{,}7 \cdot 507{,}5 = 508{,}2 \;,[/math]
[math]y_3^* = 0{,}3 \cdot 551{,}9 + 0{,}7 \cdot 508{,}2 = 521{,}3 \;,[/math]

Die Schätzung [math]y_1^*[/math] ist jetzt der Prognosewert für die Periode 2 und so weiter.

Die Grafik zeigt die Glättung für α = 0,3 und α = 0,7. Man sieht, dass der kleinere Glättungsfaktor die Zeitreihe stärker glättet, denn hier geht der aktuelle Wert jetzt nur mit einem Gewicht von 0,3 ein, wogegen die „mittleren“ Vergangenheitswerte weiterhin mit 0,7 berücksichtigt werden.

Anmerkung

Die exponentielle Glättung ist dann ein empfehlenswertes Verfahren, wenn die Zeitreihenwerte einen chaotischen Eindruck machen und keinerlei Systematik erkennen lassen. Liegen allerdings Beobachtungen vor, die einen Trend beinhalten, d.h. die laufend steigen oder fallen, "schleppen" die geglätteten Werte "hinterher", wie man auch teilweise in der Grafik erkennen kann. So sieht man deutlich, wie zwischen t = 7 und t = 12 die Schätzwerte immer systematisch unter den beobachteten Werten liegen. Man kann diesem Problem mit der so genannten "doppelten exponentiellen Glättung" abhelfen.

Glättungsverfahren

Unterschieden werden die exponentielle Glättung 1. Ordnung und exponentielle Glättung 2. Ordnung. Hier beschrieben ist die exponentielle Glättung 1. Ordnung. Die Variante der 2. Ordnung berücksichtigt einen Trend in der Zeitreihe.

Exponentielle Glättung (Materialwirtschaft)

Das besondere an der exponentiellen Glättung ist die Tatsache, dass der errechnete Prognosewert mit dem tatsächlich anfallenden Verbrauchswert abgeglichen und die entstandene Abweichung in einer gewünschten, individuell gestaltbaren Weise durch Verwendung des Glättungsfaktors Alpha berücksichtigt wird:

  • zu 100 % mit Faktor 1
  • überhaupt nicht mit Faktor 0

Formel für die exponentielle Glättung

[math]V_n = V_a + \alpha\cdot (V_t - V_a)[/math]

Vn = Vorhersagebedarf für neue Periode

Va = Vorhersagebedarf für alte Periode

Vt = tatsächlicher Verbrauch für alte Periode

α = Glättungsfaktor

Beispiel: Vn = 100 + 0,5·(110 - 100) = 100 + 0,5·10 = 100 + 5 = 105

Siehe auch

Weblinks


Kategorien: Keine Kategorien vorhanden!

Quelle: Wikipedia - http://de.wikipedia.org/wiki/Exponentielle Glättung (Vollständige Liste der Autoren des Textes [Versionsgeschichte])    Lizenz: CC-by-sa-3.0

Änderungen: Alle Bilder mit den meisten Bildunterschriften wurden entfernt. Ebenso alle zu nicht-existierenden Artikeln/Kategorien gehenden internen Wikipedia-Links (Bsp. Portal-Links, Redlinks, Bearbeiten-Links). Entfernung von Navigationsframes, Geo & Normdaten, Mediadateien, gesprochene Versionen, z.T. ID&Class-Namen, Style von Div-Containern, Metadaten, Vorlagen, wie lesenwerte Artikel. Ansonsten sind keine Inhaltsänderungen vorgenommen worden. Weiterhin kann es durch die maschinelle Bearbeitung des Inhalts zu Fehlern gerade in der Darstellung kommen. Darum würden wir jeden Besucher unserer Seite darum bitten uns diese Fehler über den Support mittels einer Nachricht mit Link zu melden. Vielen Dank!

Stand der Informationen: August 201& - Wichtiger Hinweis: Da die Inhalte maschinell von Wikipedia übernommen wurden, ist eine manuelle Überprüfung nicht möglich. Somit garantiert LinkFang.de nicht die Richtigkeit und Aktualität der übernommenen Inhalte. Sollten die Informationen mittlerweile fehlerhaft sein, bitten wir Sie darum uns per Support oder E-Mail zu kontaktieren. Wir werden uns dann innerhalb von spätestens 10 Tagen um Ihr Anliegen kümmern. Auch ohne Anliegen erfolgt mindestens alle drei Monate ein Update der gesamten Inhalte.