Definition av datautjämning
Utjämning av data görs med hjälp av en algoritm för att ta bort brus från en datauppsättning. Detta gör att viktiga mönster sticker ut. Datautjämning kan användas för att förutsäga trender, till exempel de som finns i värdepapperspriser.
Utjämnad data är att föredra eftersom den generellt identifierar förändringar i ekonomin jämfört med ojämn data.
Utjämning av data förklarad
När data sammanställs kan de manipuleras för att ta bort eller minska all flyktighet eller någon annan typ av brus. Detta kallas datautjämning.
Tanken bakom utjämning av data är att den kan identifiera förenklade förändringar för att hjälpa till att förutsäga olika trender och mönster. Det fungerar som ett hjälpmedel för statistiker eller handlare som behöver titta på mycket data - som ofta kan vara komplicerat att smälta - för att hitta mönster som de annars inte skulle se.
För att förklara med en visuell representation, föreställ dig ett ett-årigt diagram för Company X: s aktie. Varje individuell höjdpunkt på aktiekursen kan sänkas samtidigt som alla lägre punkter höjs. Detta skulle göra en jämnare kurva och därmed hjälpa en investerare att göra förutsägelser om hur aktien kan utvecklas i framtiden.
Metoder för utjämning av data
Det finns olika metoder för att utjämna data. Några av dessa inkluderar den slumpmässiga metoden, slumpmässig promenad, rörligt medelvärde, enkel exponentiell, linjär exponentiell och säsongsmässig exponentiell utjämning.
Ett jämnt glidande medelvärde lägger lika vikt till både de senaste priserna och de historiska priserna.
Den slumpmässiga promenadmodellen används ofta för att beskriva beteendet hos finansiella instrument som aktier. Vissa investerare tror att det inte finns något samband mellan tidigare rörelser i ett säkerhetspris och dess framtida rörelse. Slumpmässig gångutjämning antar att framtida datapunkter kommer att vara lika med den senaste tillgängliga datapunkten plus en slumpmässig variabel. Tekniska och grundläggande analytiker håller inte med denna idé; de tror att framtida rörelser kan extrapoleras genom att undersöka tidigare trender.
Ofta används i teknisk analys, det rörliga genomsnittet jämnar ut prisåtgärderna medan det filtrerar bort volatilitet från slumpmässiga prisrörelser. Den här processen är baserad på tidigare priser, vilket gör den till en trendföljande - eller försenad - indikator.
Fördelar och nackdelar med utjämning av data
Utjämning av data kan användas för att identifiera trender i ekonomin, värdepapper som aktier, konsumentens känsla eller för andra affärsändamål.
Key Takeaways
- Utjämning av data använder en algoritm för att ta bort brus från en datauppsättning, vilket gör att viktiga mönster sticker ut.
- Det kan användas för att förutsäga trender, till exempel de som finns i värdepapperspriser.
- Olika modeller för utjämning av data inkluderar slumpmässig metod, slumpmässig promenad och det rörliga genomsnittet.
- Även om utjämning av data kan hjälpa till att förutsäga vissa trender, kan det leda till att vissa datapunkter ignoreras.
Till exempel kan en ekonom utjämna data för att göra säsongsanpassningar för vissa indikatorer som detaljhandelsförsäljning genom att minska variationerna som kan inträffa varje månad som semester eller gaspriser.
Det finns dock nedgångar att använda det här verktyget. Utjämning av data ger inte alltid en förklaring av trender eller mönster som det hjälper till att identifiera. Det kan också leda till att vissa datapunkter ignoreras genom att betona andra.
Jämför investeringskonton Leverantörs namn Beskrivning Annonsörens upplysning × Erbjudandena som visas i denna tabell kommer från partnerskap från vilka Investopedia erhåller ersättning.