Definition der Datenglättung
Was ist Datenglättung?
Die Datenglättung erfolgt mithilfe eines Algorithmus zum Entfernen von Rauschen aus einem Datensatz. Dadurch können wichtige Muster deutlicher hervorgehoben werden.
Datenglättung kann verwendet werden, um Trends vorherzusagen, wie sie beispielsweise bei Wertpapierpreisen zu finden sind, sowie bei Wirtschaftsanalysen, die die Auswirkungen der Saisonalität berücksichtigen oder einmalige Ausreißer ignorieren können.
Die zentralen Thesen
- Bei der Datenglättung wird ein Algorithmus verwendet, um Rauschen aus einem Datensatz zu entfernen, sodass wichtige Muster hervorstechen, und Trends vorhergesagt werden können, wie sie beispielsweise bei Wertpapierpreisen zu finden sind.
- Verschiedene Datenglättungsmodelle umfassen die Zufallsmethode der Verwendung von gleitenden Durchschnitten.
- Während die Datenglättung dazu beitragen kann, bestimmte Trends vorherzusagen, führt dies von Natur aus zu weniger Informationen in der Stichprobe, die dazu führen können, dass bestimmte Datenpunkte ignoriert werden.
Datenglättung erklärt
Wenn Daten zusammengestellt werden, können sie manipuliert werden, um jegliche Volatilität oder andere Arten von Rauschen zu entfernen oder zu reduzieren. Dies wird als Datenglättung bezeichnet.
Die Idee hinter der Datenglättung besteht darin, vereinfachte Änderungen zu identifizieren, um unterschiedliche Trends und Muster vorherzusagen. Es dient als Hilfe für Statistiker oder Händler, die viele Daten untersuchen müssen – deren Verdauung oft kompliziert sein kann , um Muster zu finden, die sie sonst nicht sehen würden.
Stellen Sie sich zur visuellen Darstellung ein Einjahresdiagramm für die Aktie von Unternehmen X vor. Jeder einzelne Höhepunkt auf dem Chart für die Aktie kann reduziert werden, während alle unteren Punkte angehoben werden. Dies würde eine glattere Kurve ergeben und einem Anleger helfen, Vorhersagen darüber zu treffen, wie sich die Aktie in Zukunft entwickeln könnte.
Geglättete Daten werden von Ökonomen im Allgemeinen bevorzugt, da sie Trendänderungen besser identifizieren als ungeglättete Daten, die unregelmäßiger erscheinen und falsche Signale erzeugen können.
Datenglättungsmethoden
Es gibt verschiedene Methoden, mit denen Daten geglättet werden können. Einige davon umfassen das Randomisierungsverfahren, das Verwenden eines Zufallslaufs, das Berechnen eines gleitenden Durchschnitts oder das Durchführen einer von mehreren exponentiellen Glättungstechniken.
Ein einfacher gleitender Durchschnitt (SMA) misst sowohl den aktuellen als auch den historischen Preisen das gleiche Gewicht bei, während ein exponentieller gleitender Durchschnitt (EMA) den aktuellen Preisdaten mehr Gewicht beimisst.
Das Random-Walk-Modell wird häufig verwendet, um das Verhalten von Finanzinstrumenten wie Aktien zu beschreiben. Einige Anleger glauben, dass es keinen Zusammenhang zwischen der Bewegung des Wertpapiers eines Wertpapiers in der Vergangenheit und seiner zukünftigen Bewegung gibt. Bei der Random-Walk-Glättung wird davon ausgegangen, dass zukünftige Datenpunkte dem letzten verfügbaren Datenpunkt plus einer Zufallsvariablen entsprechen. Technische und fundamentale Analysten sind mit dieser Idee nicht einverstanden. Sie glauben, dass zukünftige Bewegungen extrapoliert werden können, indem vergangene Trends untersucht werden.
Der gleitende Durchschnitt, der häufig in technischen Analysen verwendet wird, glättet Preisbewegungen, während er die Volatilität aus zufälligen Preisbewegungen herausfiltert. Dieser Prozess basiert auf früheren Preisen und ist somit ein Trendfolge- oder Verzögerungsindikator. Wie in der nachstehenden Preistabelle zu sehen ist, hat der gleitende Durchschnitt (EMA) die allgemeine Form und den Trend der zugrunde liegenden täglichen Preisdaten, die durch die Kerzenhalter dargestellt werden. Je mehr Tage in den gleitenden Durchschnitt einbezogen werden, desto glatter wird die Linie.
Vor- und Nachteile der Datenglättung
Datenglättung kann verwendet werden, um Trends in der Wirtschaft, Wertpapieren wie Aktien, Verbraucherstimmung oder für andere Geschäftszwecke zu identifizieren.
Zum Beispiel kann ein Ökonom Daten glätten, um saisonale Anpassungen für bestimmte Indikatoren wie Einzelhandelsumsätze vorzunehmen, indem er die Schwankungen reduziert, die jeden Monat auftreten können, wie z. B. Feiertage oder Gaspreise.
Die Verwendung dieses Tools hat jedoch Nachteile. Die Datenglättung liefert nicht immer eine Erklärung für die Trends oder Muster, mit deren Hilfe sie identifiziert werden kann. Es kann auch dazu führen, dass bestimmte Datenpunkte ignoriert werden, indem andere hervorgehoben werden.
Vorteile
- Hilft bei der Identifizierung realer Trends, indem Rauschen aus den Daten entfernt wird
- Ermöglicht saisonale Anpassungen von Wirtschaftsdaten
- Leicht zu erreichen durch verschiedene Techniken, einschließlich gleitender Durchschnitte
Nachteile
- Das Entfernen von Daten erfordert immer weniger zu analysierende Informationen, was das Risiko von Analysefehlern erhöht
- Durch das Glätten können die Vorurteile der Analysten hervorgehoben und Ausreißer ignoriert werden, die möglicherweise von Bedeutung sind
Beispiel für Datenglättung in der Finanzbuchhaltung
Ein häufig genanntes Beispiel für die Datenglättung in der Unternehmensbuchhaltung besteht darin, zweifelhaften Konten Rechnung zu tragen, um die Aufwendungen für Forderungsausfälle von einem Berichtszeitraum in einen anderen zu ändern . Beispielsweise erwartet ein Unternehmen, dass es für bestimmte Waren über zwei Abrechnungsperioden keine Zahlung erhält. 1.000 USD im ersten Berichtszeitraum und 5.000 USD im zweiten Berichtszeitraum.
Wenn für die erste Berichtsperiode ein hohes Einkommen erwartet wird, kann das Unternehmen den Gesamtbetrag von 6.000 USD als Wertberichtigung für zweifelhafte Konten in dieser Berichtsperiode einbeziehen. Dies würde den Aufwand für uneinbringliche Forderungen in der Gewinn- und Verlustrechnung um 6.000 USD erhöhen und den Nettogewinn um 6.000 USD verringern. Dies würde eine Periode mit hohem Einkommen glätten, indem das Einkommen reduziert wird. Für Unternehmen ist es wichtig, bei der Anpassung von Konten Urteilsvermögen und gesetzliche Rechnungslegungsmethoden anzuwenden.