Definition af dataudjævning
Dataudjævning udføres ved hjælp af en algoritme til at fjerne støj fra et datasæt. Dette tillader vigtige mønstre at skille sig ud. Dataudjævning kan bruges til at hjælpe med at forudsige tendenser, fx dem, der findes i værdipapirpriser.
Udjævnet data foretrækkes, fordi de generelt identificerer ændringer i økonomien sammenlignet med ikke-udglattede data.
Dataudjævning forklaret
Når data samles, kan de manipuleres til at fjerne eller reducere enhver flygtighed eller enhver anden form for støj. Dette kaldes dataudjævning.
Tanken bag udjævning af data er, at den kan identificere forenklede ændringer for at hjælpe med at forudsige forskellige tendenser og mønstre. Det fungerer som en hjælp til statistikere eller forhandlere, der har brug for at se på en masse data - der ofte kan være kompliceret at fordøje - for at finde mønstre, som de ellers ikke ville se.
For at forklare med en visuel repræsentation, forestil dig et et-årigt diagram for Company X's aktie. Hvert enkelt højdepunkt på oversigten for aktien kan reduceres, mens alle de lavere punkter hæves. Dette ville gøre en jævnere kurve og således hjælpe en investor med at fremsætte forudsigelser om, hvordan aktien kan klare sig i fremtiden.
Metode til udjævning af data
Der er forskellige metoder, hvor dataudjævning kan udføres. Nogle af disse inkluderer tilfældig metode, tilfældig gang, glidende gennemsnit, enkel eksponentiel, lineær eksponentiel og sæsonbestemt eksponentiel udjævning.
Et glat glidende gennemsnit lægger vægt på både nylige priser og historiske priser.
Den tilfældige gangmodel bruges ofte til at beskrive opførsel af finansielle instrumenter såsom aktier. Nogle investorer mener, at der ikke er noget forhold mellem fortidens bevægelse i en sikkerhedspris og dens fremtidige bevægelse. Tilfældig gangudjævning forudsætter, at fremtidige datapunkter vil svare til det sidst tilgængelige datapunkt plus en tilfældig variabel. Tekniske og grundlæggende analytikere er uenige i denne idé; de mener, at fremtidige bevægelser kan ekstrapoleres ved at undersøge tidligere tendenser.
Ofte brugt i teknisk analyse udjævner det bevægende gennemsnit prishandling, mens det filtrerer udsving fra tilfældige prisbevægelser. Denne proces er baseret på tidligere priser, hvilket gør den til en trendfølgende - eller forsinkende - indikator.
Fordele og ulemper ved udjævning af data
Dataudjævning kan bruges til at hjælpe med at identificere tendenser i økonomien, værdipapirer som aktier, forbrugernes stemning eller til andre forretningsformål.
Key takeaways
- Dataudjævning bruger en algoritme til at fjerne støj fra et datasæt, så vigtige mønstre skiller sig ud.
- Det kan bruges til at forudsige tendenser, fx dem, der findes i værdipapirpriser.
- Forskellige dataudjævningsmodeller inkluderer den tilfældige metode, tilfældig gang og det bevægende gennemsnit.
- Selvom udjævning af data kan hjælpe med at forudsige visse tendenser, kan det føre til, at visse datapunkter ignoreres.
For eksempel kan en økonom udjævne data for at foretage sæsonmæssige justeringer for visse indikatorer som detailsalg ved at reducere de variationer, der kan forekomme hver måned, som helligdage eller gaspriser.
Der er dog downfalls ved at bruge dette værktøj. Udjævning af data giver ikke altid en forklaring på de tendenser eller mønstre, det hjælper med at identificere. Det kan også føre til, at visse datapunkter ignoreres ved at understrege andre.
Sammenlign Navn på udbydere af investeringskonti Beskrivelse Annoncørens viden × De tilbud, der vises i denne tabel, er fra partnerskaber, hvorfra Investopedia modtager kompensation.