Regression model

Jednoduché a dvojité exponenciální vyhlazování (SES / Holt)

Představte si prognózu jako klouzavý průměr, který tiše zapomíná na minulost: každý nový datový bod posouvá odhad, ale starší body mají stále menší váhu. Vyhlazovací váha alfa řídí, jak rychle model reaguje na čerstvá data oproti tomu, jak moc důvěřuje svému předchozímu odhadu. Holtova verze udržuje druhý klouzavý odhad pro sklon, takže prognóza může místo zploštění dále stoupat nebo klesat.

Použít v EconMindJiž brzyVideoJiž brzyDownload slides

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Method map

The neighbourhood of related methods — select a node to explore.

Jednoduché a dvojité exponenciální vyhlazování (SES / Holt)

Model ARIMA (autoregresn…Model stavového prostoru…Strukturální model časov…ETS: Error, Trend, Seaso…Generalizovaná autoregre…Model GARCH (Predikce vo…Holt-Wintersův trojitý e…

Zdroje

Brown, R. G. (1959). Statistical Forecasting for Inventory Control. McGraw-Hill. link ↗
Holt, C. C. (1957). Forecasting Trends and Seasonals by Exponentially Weighted Averages. Office of Naval Research Memorandum 52, Carnegie Institute of Technology. link ↗

Jak citovat tuto stránku

ScholarGate. (2026, June 1). Simple and Double Exponential Smoothing (SES / Holt). ScholarGate. https://scholargate.app/cs/econometrics/simple-exponential-smoothing

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side →

Odkazuje sem

Model ARIMA (autoregresní integrovaný klouzavý průměr)ETS: Error, Trend, Seasonal Exponential Smoothing Generalizovaná autoregresní podmíněná heteroskedasticita (GARCH)Model GARCH (Predikce volatility)Holt-Wintersův trojitý exponenciální průměr

Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →