Definiție pentru netezirea datelor
Ce este netezirea datelor?
Netezirea datelor se face folosind un algoritm pentru a elimina zgomotul dintr-un set de date. Acest lucru permite modele importante să iasă în evidență mai clar.
Netezirea datelor poate fi utilizată pentru a ajuta la prezicerea tendințelor, cum ar fi cele găsite în prețurile valorilor mobiliare, precum și în analiza economică care poate lua în considerare efectele sezonalității sau care poate ignora valorile aberante unice.
Chei de luat masa
- Netezirea datelor folosește un algoritm pentru a elimina zgomotul dintr-un set de date, permițând modele importante să iasă în evidență și poate fi folosit pentru a prezice tendințe precum cele găsite în prețurile valorilor mobiliare.
- Diferite modele de netezire a datelor includ metoda aleatorie folosirea mediilor mobile.
- În timp ce netezirea datelor poate ajuta la prezicerea anumitor tendințe, aceasta va duce în mod inerent la mai puține informații în eșantion, care pot duce la ignorarea anumitor puncte de date.
Smoothing de date explicat
Când datele sunt compilate, acestea pot fi manipulate pentru a elimina sau reduce orice volatilitate sau orice alt tip de zgomot. Aceasta se numește netezirea datelor.
Ideea din spatele netezirii datelor este că poate identifica modificări simplificate pentru a ajuta la prezicerea diferitelor tendințe și tipare. Acționează ca un ajutor pentru statisticienii sau comercianții care trebuie să analizeze o mulțime de date – care pot fi adesea complicate de digerat – pentru a găsi modele pe care altfel nu le-ar vedea.
Pentru a explica cu o reprezentare vizuală, imaginați-vă un grafic pe un an pentru acțiunile companiei X. Fiecare punct culminant individual al graficului pentru acțiuni poate fi redus în timp ce crește toate punctele inferioare. Acest lucru ar face o curbă mai lină, ajutând astfel un investitor să facă previziuni cu privire la performanța stocului în viitor.
Datele netezite sunt, în general, preferate de economiști, deoarece identifică mai bine schimbările de tendință în comparație cu datele neterminate, care pot apărea mai neregulate și pot crea semnale false.
Metode de netezire a datelor
Există diferite metode în care se poate face netezirea datelor. Unele dintre acestea includ metoda de randomizare, utilizarea unei mers aleatorii, calcularea unei medii mobile sau efectuarea uneia dintre mai multe tehnici de netezire exponențială.
O medie mobilă simplă (SMA) pune o pondere egală atât pe prețurile recente, cât și pe cele istorice, în timp ce o medie mobilă exponențială (EMA) pune mai mult pe datele recente despre prețuri.
Modelul de mers aleatoriu este utilizat în mod obișnuit pentru a descrie comportamentul instrumentelor financiare, cum ar fi acțiunile. Unii investitori cred că nu există nicio relație între mișcarea trecută a prețului unei valori mobiliare și mișcarea viitoare a acesteia. Reducerea aleatorie a mersului presupune că punctele de date viitoare vor fi egale cu ultimul punct de date disponibil plus o variabilă aleatorie. Analiștii tehnici și fundamentali nu sunt de acord cu această idee; ei cred că mișcările viitoare pot fi extrapolate prin examinarea tendințelor din trecut.
Adesea utilizată în analiza tehnică, media mobilă calmează acțiunea prețurilor, în timp ce filtrează volatilitatea din mișcările aleatorii ale prețurilor. Acest proces se bazează pe prețurile anterioare, făcându-l un indicator care urmărește tendința – sau care se întârzie . După cum se poate observa în graficul de prețuri de mai jos, media mobilă (EMA) are forma generală și tendința datelor de bază zilnice despre preț, prezentate de sfeșnice. Cu cât mai multe zile sunt încorporate în media mobilă, cu atât linia devine mai netedă.
Pro și dezavantaje ale netezirii datelor
Netezirea datelor poate fi utilizată pentru a ajuta la identificarea tendințelor economice, a valorilor mobiliare precum acțiunile, sentimentul consumatorilor sau în alte scopuri comerciale.
De exemplu, un economist poate netezi datele pentru a face ajustări sezoniere pentru anumiți indicatori, cum ar fi vânzările cu amănuntul, reducând variațiile care pot apărea în fiecare lună, cum ar fi sărbătorile sau prețurile la gaz.
Cu toate acestea, există căderi în utilizarea acestui instrument. Netezirea datelor nu oferă întotdeauna o explicație a tendințelor sau tiparelor pe care le ajută la identificare. De asemenea, poate duce la ignorarea anumitor puncte de date prin accentuarea altora.
Pro
-
Ajută la identificarea tendințelor reale prin eliminarea zgomotului din date
-
Permite ajustări sezoniere ale datelor economice
-
Realizat cu ușurință prin mai multe tehnici, inclusiv medii mobile
Contra
-
Eliminarea datelor vine întotdeauna cu mai puține informații de analizat, crescând riscul de erori în analiză
-
Netezirea poate accentua prejudecățile analiștilor și poate ignora valorile aberante care pot fi semnificative
Exemplu de netezire a datelor în contabilitatea financiară
Un exemplu adesea citat de netezire a datelor în contabilitatea afacerilor este de a acorda o contabilitate pentru conturile îndoielnice pentru a schimba cheltuielile datoriei neperformante de la o perioadă de raportare la alta. De exemplu, o companie se așteaptă să nu primească plăți pentru anumite bunuri pe parcursul a două perioade contabile; 1.000 USD în prima perioadă de raportare și 5.000 USD în a doua perioadă de raportare.
Dacă se preconizează că prima perioadă de raportare va avea un venit ridicat, compania poate include suma totală de 6.000 USD ca alocație pentru conturile îndoielnice în acea perioadă de raportare. Acest lucru ar crește cheltuiala datoriei neperformante din contul de profit și pierdere cu 6.000 USD și va reduce venitul net cu 6.000 USD. Acest lucru ar netezi astfel o perioadă cu venituri ridicate prin reducerea veniturilor. Este important ca companiile să utilizeze metode judiciare și contabile legale atunci când ajustează orice cont.