Eksponencijalno izglađivanje je tehnika za manipuliranje podacima iz niza kronoloških promatranja kako bi se umanjili učinci slučajnih varijacija. Matematičko modeliranje, stvaranje numeričke simulacije za skup podataka, često tretira promatrane podatke kao zbroj dviju ili više komponenti, od kojih je jedna slučajna pogreška, razlika između promatrane vrijednosti i temeljne stvarne vrijednosti. Kada se pravilno primjenjuju, tehnike izglađivanja minimiziraju učinak slučajne varijacije, što olakšava uočavanje temeljnog fenomena – što je prednost i u predstavljanju podataka i u predviđanju budućih vrijednosti. Nazivaju se tehnikama “izglađivanja” jer uklanjaju neravne uspone i padove povezane sa slučajnim varijacijama i ostavljaju za sobom glatkiju liniju ili krivulju kada se podaci prikazuju. Nedostatak tehnika izglađivanja je što kada se nepravilno koriste, one također mogu izgladiti važne trendove ili cikličke promjene unutar podataka, kao i nasumične varijacije, i na taj način iskriviti bilo koje predviđanje koje nude.
Najjednostavnija tehnika izglađivanja je uzeti prosjek prošlih vrijednosti. Nažalost, to također potpuno prikriva sve trendove, promjene ili cikluse unutar podataka. Složeniji prosjeci eliminiraju neke, ali ne sve ove nejasnoće i još uvijek imaju tendenciju zaostajanja kao prognozeri, ne reagirajući na promjene trendova do nekoliko promatranja nakon što se trend promijenio. Primjeri toga uključuju pokretni prosjek koji koristi samo najnovija opažanja ili ponderirani prosjek koji vrednuje neka opažanja više od drugih. Eksponencijalno izglađivanje predstavlja pokušaj poboljšanja ovih nedostataka.
Jednostavno eksponencijalno izglađivanje je najosnovniji oblik, koristeći jednostavnu rekurzivnu formulu za transformaciju podataka. S1, prva izglađena točka, jednostavno je jednaka O1, prvim promatranim podacima. Za svaku sljedeću točku, izglađena točka je interpolacija između prethodnih izglađenih podataka i trenutnog opažanja: Sn = aOn + (1-a)Sn-1. Konstanta “a” poznata je kao konstanta zaglađivanja; vrednuje se između nula i jedan i određuje kolika se težina daje sirovim podacima, a koliko izglađenim podacima. Statistička analiza za minimiziranje slučajne pogreške općenito određuje optimalnu vrijednost za danu seriju podataka.
Ako se rekurzivna formula za Sn prepiše samo u smislu promatranih podataka, dobiva se formula Sn = aOn + a(1-a)On-1 + a(1-a) 2On-2 + . . . otkrivajući da su izglađeni podaci ponderirani prosjek svih podataka s ponderima koji eksponencijalno variraju u geometrijskom nizu. Ovo je izvor eksponencijala u izrazu “eksponencijalno izglađivanje”. Što je vrijednost “a” bliža jedinici, to će izglađeni podaci biti osjetljiviji na promjene trenda, ali nauštrb toga da će biti podložniji slučajnim varijacijama u podacima.
Prednost jednostavnog eksponencijalnog izglađivanja je u tome što omogućuje trend u tome kako se izglađeni podaci mijenjaju. Međutim, slabo odvaja promjene u trendu od slučajnih varijacija svojstvenih podacima. Iz tog razloga se također koriste dvostruko i trostruko eksponencijalno izglađivanje, uvođenjem dodatnih konstanti i kompliciranijih rekurzija kako bi se uzela u obzir trend i ciklička promjena podataka.
Podaci o nezaposlenosti izvrstan su primjer podataka koji imaju koristi od trostrukog eksponencijalnog izravnavanja. Trostruko izglađivanje omogućuje da se podaci o nezaposlenosti promatraju kao zbroj četiri čimbenika: neizbježna slučajna pogreška u prikupljanju podataka, osnovna razina nezaposlenosti, cikličke sezonske varijacije koje utječu na mnoge industrije i promjenjivi trend koji odražava zdravlje Ekonomija. Dodjeljujući konstante izglađivanja bazi, trendu i sezonskim varijacijama, trostruko izravnavanje olakšava laiku da vidi kako se nezaposlenost mijenja tijekom vremena. Izbor različitih konstanti promijenit će izgled izglađenih podataka, međutim, što je jedan od razloga zašto se ekonomisti ponekad mogu jako razlikovati u svojim prognozama.
Eksponencijalno izglađivanje jedna je od mnogih metoda za matematičko mijenjanje podataka kako bi se dobio više smisla za fenomen koji je generirao podatke. Izračuni se mogu izvesti na uobičajeno dostupnom uredskom softveru, tako da je to također lako dostupna tehnika. Pravilno korišten, neprocjenjiv je alat za predstavljanje podataka i predviđanja. Nepravilno izveden, potencijalno može prikriti važne informacije zajedno sa slučajnim varijacijama, stoga treba paziti na izglađene podatke.