Datenglättungsdefinition
Was ist Datenglättung?
Die Datenglättung erfolgt unter Verwendung eines Algorithmus zum Entfernen von Rauschen aus einem Datensatz. Dadurch können wichtige Muster deutlicher hervortreten.
Die Datenglättung kann verwendet werden, um Trends vorherzusagen, wie sie beispielsweise in Wertpapierkursen zu finden sind, sowie in der Wirtschaftsanalyse. Die Datenglättung soll einmalige Ausreißer ignorieren und saisonale Effekte berücksichtigen.
Die zentralen Thesen
- Die Datenglättung verwendet einen Algorithmus, um Rauschen aus einem Datensatz zu entfernen, sodass wichtige Muster hervortreten.
- Die Datenglättung kann verwendet werden, um Trends vorherzusagen, wie sie beispielsweise bei Wertpapierkursen zu finden sind.
- Verschiedene Datenglättungsmodelle beinhalten die Zufallsmethode die 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 verstehen
Wenn Daten zusammengestellt werden, können sie manipuliert werden, um jegliche Flüchtigkeit oder jede andere Art von Rauschen zu entfernen oder zu reduzieren. Dies wird als Datenglättung bezeichnet.
Die Idee hinter der Datenglättung besteht darin, vereinfachte Änderungen zu identifizieren, um verschiedene Trends und Muster vorherzusagen. Es dient als Hilfe für Statistiker oder Händler, die sich viele Daten ansehen müssen – die oft schwer zu verdauen sind – 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 zu einer glatteren Kurve führen und einem Anleger helfen, Vorhersagen über die zukünftige Entwicklung der Aktie zu treffen.
Geglättete Daten werden im Allgemeinen von Ökonomen bevorzugt, da sie Trendänderungen im Vergleich zu ungeglätteten Daten besser erkennen, die unregelmäßiger erscheinen und falsche Signale erzeugen können.
Besondere Überlegungen
Methoden zur Datenglättung
Es gibt verschiedene Methoden, mit denen eine Datenglättung durchgeführt werden kann. Einige davon umfassen die Randomisierungsmethode, die einen Random Walk verwendet, einen gleitenden Durchschnitt berechnet oder eine von mehreren exponentiellen Glättungstechniken durchführt.
Ein einfacher gleitender Durchschnitt (SMA) gewichtet sowohl aktuelle als auch historische Preise gleichermaßen, während ein exponentieller gleitender Durchschnitt (EMA) den jüngsten Preisdaten mehr Gewicht beimisst.
Das Random-Walk-Modell wird häufig verwendet, um das Verhalten von Finanzinstrumenten wie beispielsweise Aktien zu beschreiben. Einige Anleger glauben, dass es keinen Zusammenhang zwischen den Kursbewegungen in der Vergangenheit und den zukünftigen Kursbewegungen eines Wertpapiers 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 durch die Untersuchung vergangener Trends extrapoliert werden können.
Der gleitende Durchschnitt wird häufig in der technischen Analyse verwendet und glättet die Kursbewegung, während er Volatilität aus zufälligen Kursbewegungen herausfiltert. Dieser Prozess basiert auf früheren Preisen und ist somit ein Trendfolge- oder Verzögerungsindikator. Wie im folgenden Preisdiagramm zu sehen ist, hat der gleitende Durchschnitt (EMA) die allgemeine Form und den allgemeinen Trend der zugrunde liegenden täglichen Preisdaten, die durch die Kerzen dargestellt werden. Je mehr Tage im gleitenden Durchschnitt enthalten sind, desto glatter wird die Linie.
Vor- und Nachteile der Datenglättung
Die Datenglättung kann verwendet werden, um Trends in der Wirtschaft, bei Wertpapieren wie Aktien und der Verbraucherstimmung zu erkennen. Die Datenglättung kann auch für andere Geschäftszwecke verwendet werden.
Ein Ökonom kann beispielsweise Daten glätten, um saisonale Anpassungen für bestimmte Indikatoren wie den Einzelhandelsumsatz vorzunehmen, indem er die monatlichen Schwankungen wie Feiertage oder Gaspreise reduziert.
Es gibt jedoch Nachteile bei der Verwendung dieses Tools. Die Datenglättung liefert nicht immer eine Erklärung der Trends oder Muster, die sie identifizieren hilft. Es kann auch dazu führen, dass bestimmte Datenpunkte ignoriert werden, indem andere hervorgehoben werden.
Vorteile
- Hilft, echte Trends zu erkennen, indem Rauschen aus den Daten eliminiert 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 die Datenglättung in der Finanzbuchhaltung
Ein häufig zitiertes Beispiel für die Datenglättung in der betrieblichen Buchführung ist die Berücksichtigung zweifelhafter Konten durch Wechsel des Forderungsausfalls von einer Berichtsperiode in eine andere. Ein Unternehmen erwartet beispielsweise, dass es für bestimmte Waren über zwei Abrechnungszeiträume hinweg keine Zahlung erhält; 1.000 USD im ersten Berichtszeitraum und 5.000 USD im zweiten Berichtszeitraum.
Wenn im ersten Berichtszeitraum ein hohes Einkommen erwartet wird, kann das Unternehmen den Gesamtbetrag von 6.000 USD als Wertberichtigung für zweifelhafte Konten in diesem Berichtszeitraum berücksichtigen. Dies würde den Aufwand für uneinbringliche Forderungen in der Gewinn- und Verlustrechnung um 6.000 US-Dollar erhöhen und den Nettogewinn um 6.000 US-Dollar reduzieren. Dadurch würde eine einkommensstarke Phase durch Einkommensminderung geglättet. Für Unternehmen ist es wichtig, bei der Anpassung von Konten Urteilsvermögen und gesetzliche Rechnungslegungsmethoden anzuwenden.