Definice vyhlazování dat
Vyhlazení dat se provádí pomocí algoritmu k odstranění šumu ze sady dat. To umožňuje vyniknout důležitým vzorcům. Vyhlazení dat lze použít k předvídání trendů, jako jsou trendy zjištěné v cenách cenných papírů.
Vyhlazená data jsou upřednostňována, protože obecně identifikují změny v ekonomice ve srovnání s neoznačenými daty.
Vysvětlení vyhlazování dat
Při kompilaci dat lze manipulovat s cílem odstranit nebo snížit jakoukoli volatilitu nebo jakýkoli jiný typ šumu. Tomu se říká vyhlazování dat.
Myšlenkou vyhlazování dat je, že dokáže identifikovat zjednodušené změny, aby pomohla předpovídat různé trendy a vzorce. Působí jako pomůcka statistikům nebo obchodníkům, kteří se potřebují podívat na spoustu dat - která mohou být často obtížně strávitelná - najít vzory, které by jinak neviděli.
Chcete-li to vysvětlit vizuálním znázorněním, představte si roční sklad akcií společnosti X. Každý jednotlivý vysoký bod v grafu pro danou zásobu může být snížen při zvyšování všech dolních bodů. To by vytvořilo plynulejší křivku, což by investorovi pomohlo předpovědět, jak může akcie v budoucnu fungovat.
Metody vyhlazování dat
Existují různé metody, ve kterých lze provést vyhlazení dat. Mezi ně patří náhodné metody, náhodné procházky, klouzavý průměr, jednoduché exponenciální, lineární exponenciální a sezónní exponenciální vyhlazování.
Hladký klouzavý průměr přisuzuje stejnou váhu současným i historickým cenám.
Model náhodného procházení se běžně používá k popisu chování finančních nástrojů, jako jsou akcie. Někteří investoři se domnívají, že neexistuje žádný vztah mezi minulým pohybem cen cenných papírů a jeho budoucím pohybem. Náhodné vyhlazení chůze předpokládá, že budoucí datové body se budou rovnat poslednímu dostupnému datovému bodu plus náhodná proměnná. Techničtí a základní analytici nesouhlasí s touto myšlenkou; věří, že budoucí hnutí lze extrapolovat zkoumáním minulých trendů.
Klouzavý průměr, který se často používá v technické analýze, vyhlazuje cenovou akci, zatímco odfiltruje volatilitu z náhodných cenových pohybů. Tento proces je založen na minulých cenách, což z něj činí ukazatel sledující trend - nebo zaostávající -.
Výhody a nevýhody vyhlazování dat
Vyhlazení dat lze použít k identifikaci trendů v ekonomice, cenných papírů, jako jsou akcie, sentiment spotřebitelů, nebo pro jiné obchodní účely.
Klíč s sebou
- Vyhlazení dat používá algoritmus k odstranění šumu ze sady dat, což umožňuje vyniknout důležitým vzorům.
- Lze jej použít k predikci trendů, jako jsou trendy zjištěné v cenách cenných papírů.
- Různé modely vyhlazování dat zahrnují náhodné metody, náhodné procházky a klouzavý průměr.
- Zatímco vyhlazování dat může pomoci předpovídat určité trendy, může to vést k ignorování určitých datových bodů.
Například ekonom může vyhladit údaje a provést sezónní úpravy určitých ukazatelů, jako je maloobchodní prodej, snížením odchylek, které se mohou vyskytnout každý měsíc, jako jsou svátky nebo ceny plynu.
K použití tohoto nástroje však dochází. Vyhlazení dat ne vždy poskytuje vysvětlení trendů nebo vzorců, které pomáhá identifikovat. Může také vést k ignorování určitých datových bodů zdůrazněním ostatních.
Porovnat poskytovatele investičních účtů Jméno Popis Zveřejnění inzerenta × Nabídky, které se objevují v této tabulce, pocházejí od partnerství, od nichž Investopedia dostává náhradu.