El suavizado exponencial es una técnica para manipular datos de una serie de observaciones cronológicas para minimizar los efectos de la variación aleatoria. El modelado matemático, la creación de una simulación numérica para un conjunto de datos, a menudo trata los datos observados como la suma de dos o más componentes, uno de los cuales es el error aleatorio, las diferencias entre el valor observado y el valor verdadero subyacente. Cuando se aplican correctamente, las técnicas de suavizado minimizan el efecto de la variación aleatoria, lo que facilita la visualización del fenómeno subyacente, un beneficio tanto para presentar los datos como para hacer pronósticos de valores futuros. Se las conoce como técnicas de «suavizado» porque eliminan los altibajos irregulares asociados con la variación aleatoria y dejan una línea o curva más suave cuando se grafican los datos. La desventaja de las técnicas de suavizado es que, cuando se utilizan incorrectamente, también pueden suavizar las tendencias importantes o los cambios cíclicos dentro de los datos, así como la variación aleatoria y, por lo tanto, distorsionar las predicciones que ofrecen.
La técnica de suavizado más simple es tomar un promedio de valores pasados. Desafortunadamente, esto también oculta completamente cualquier tendencia, cambio o ciclo dentro de los datos. Los promedios más complicados eliminan parte de este oscurecimiento, pero no todo, y aún tienden a retrasarse como pronosticadores, sin responder a los cambios en las tendencias hasta varias observaciones después de que la tendencia haya cambiado. Ejemplos de esto incluyen un promedio móvil que solo usa las observaciones más recientes o un promedio ponderado que valora algunas observaciones más que otras. El suavizado exponencial representa un intento de mejorar estos defectos.
El suavizado exponencial simple es la forma más básica, utilizando una fórmula recursiva simple para transformar los datos. S1, el primer punto suavizado, es simplemente igual a O1, el primer dato observado. Para cada punto subsiguiente, el punto suavizado es una interpolación entre los datos suavizados anteriores y la observación actual: Sn = aOn + (1-a) Sn-1. La constante «a» se conoce como constante de suavizado; se valora entre cero y uno y determina cuánto peso se da a los datos brutos y cuánto a los datos suavizados. El análisis estadístico para minimizar el error aleatorio generalmente determina el valor óptimo para una serie de datos dada.
Si la fórmula recursiva para Sn se reescribe solo en términos de los datos observados, se obtiene la fórmula Sn = aOn + a (1-a) On-1 + a (1-a) 2On-2 +. . . revelando que los datos suavizados son un promedio ponderado de todos los datos con los pesos que varían exponencialmente en una serie geométrica. Esta es la fuente del exponencial en la frase «suavizado exponencial». Cuanto más se acerque el valor de “a” a uno, más sensibles serán los datos suavizados a los cambios de tendencia, pero a costa de estar también más sujetos a la variación aleatoria de los datos.
El beneficio del suavizado exponencial simple es que permite una tendencia en cómo cambian los datos suavizados. Sin embargo, no logra separar los cambios en la tendencia de las variaciones aleatorias inherentes a los datos. Por esa razón, también se utilizan suavizados exponenciales dobles y triples, que introducen constantes adicionales y recursiones más complicadas para tener en cuenta la tendencia y el cambio cíclico en los datos.
Los datos de desempleo son un excelente ejemplo de datos que se benefician del triple suavizado exponencial. La suavización triple permite que los datos de desempleo se vean como la suma de cuatro factores: el inevitable error aleatorio en la recopilación de datos, un nivel base de desempleo, la variación estacional cíclica que afecta a muchas industrias y una tendencia cambiante que refleja la salud de la población. economía. Al asignar constantes de suavizado a la base, la tendencia y la variación estacional, el suavizado triple hace que sea más fácil para un profano ver cómo varía el desempleo a lo largo del tiempo. Sin embargo, la elección de diferentes constantes alterará la apariencia de los datos suavizados, que es una de las razones por las que los economistas a veces pueden diferir mucho en sus pronósticos.
El suavizado exponencial es uno de los muchos métodos para alterar matemáticamente los datos para darle más sentido al fenómeno que generó los datos. Los cálculos se pueden realizar en software de oficina comúnmente disponible, por lo que también es una técnica fácilmente disponible. Si se utiliza correctamente, es una herramienta invaluable para presentar datos y hacer predicciones. Si se realiza de forma incorrecta, puede ocultar información importante junto con las variaciones aleatorias, por lo que se debe tener cuidado con los datos suavizados.