指数平滑法について
指数平滑法は、時系列データの予測手法です。移動平均法の一種であり、過去の観測に対して指数関数的に減少する重みを割り当てます。
指数平滑法は、半世紀以上に及ぶ予測で広く使用されています。予測は、履歴データおよびパターンに基づいて作成されます。preItには、戦略、戦術および運営レベルのアプリケーションがあります。たとえば、戦略的レベルでは、投資利益率、成長率、イノベーションの効果などを推定するために予測が使用されます。戦術的レベルでは、原価、在庫要件、顧客満足などを推定するために予測が使用されます。運用レベルでは、ターゲットの設定や品質および標準への適合性を予想するために予測が使用されます。
最も単純な形式の指数平滑法は単一パラメータを使用した移動平均法であり、この手法では、将来の値に対する過去のレベルの影響の指数関数的な減少をモデル化します。指数平滑法は、様々な拡張によって、Box-Jenkins自己回帰和分移動平均(ARIMA)法などの、他のよく知られた方法よりも幅広いクラスのモデルを扱います。Oracle Machine Learning for SQLは、理論上およびパフォーマンス上の利点を提供する単一の誤差原因(SSOE)の仮定を組み込んだ最先端の状態空間法を使用する指数平滑法を実装します。
-
誤差の種類(加算または乗算)、傾向(加算、乗算、なし)、季節性(加算、乗算、なし) を組み合せて一致させるモデルのマトリックス。
-
減衰傾向のモデル。
-
不規則な時系列や欠損値のある時系列を直接処理するモデル。
-
複数時系列モデル
参照:
Ord, J.K.他共著『Time Series Forecasting: The Case for the Single Source of Error State Space Approach, Working Paper』(モナシュ大学、計量経済統計学科、VIC3800、オーストラリア、2005年4月2日)。