数据平滑：定义，用途和方法

什么是数据平滑？

数据平滑是通过使用算法去除的噪音来自数据集。这允许重要的模式更清楚地脱颖而出。

数据平滑可用于帮助预测趋势，例如证券价格中的趋势以及经济分析。数据平滑旨在忽略一次性异常值，并考虑到季节性的影响。

了解数据平滑

编译数据后，可以操纵它以删除或减少任何挥发性，或任何其他类型的噪音。这称为数据平滑。

数据平滑背后的想法是，它可以识别简化的更改，以帮助预测不同的趋势和模式。它充当了需要查看许多数据的统计学家或商人的帮助，这些数据通常很复杂，可以发现他们本来不会看到的模式。

要通过视觉代表解释，请想象一下X公司股票的一年图表。库存图表上的每个高点可以减少，同时提高所有较低点。这将使曲线变得更平滑，从而帮助投资者对股票未来的表现做出预测。

数据平滑的方法

可以在不同的方法中进行数据平滑。其中一些包括随机化方法，使用随机步行，计算移动平均值，或进行几种指数平滑技术之一。

随机步行模型通常用于描述金融工具的行为，例如股票。一些投资者认为，在担保价格的过去运动与未来的行动之间没有关系。随机步行平滑假设未来的数据点将等于最后可用的数据点，以及一个随机变量。技术和基本分析师不同意这一想法；他们认为，可以通过检查过去的趋势来推断未来的运动。

经常使用技术分析，移动平均线会使价格动作平滑，同时它会从随机价格移动中滤除波动。此过程基于过去的价格，使其成为趋势范围（或滞后）的指标。从下面的价格表中可以看出，移动平均值（EMA）具有烛台所描绘的潜在每日价格数据的一般形状和趋势。纳入移动平均线的几天越多，线路变得越平滑。

数据平滑的优势和缺点

数据平滑可用于帮助识别经济，证券，股票和消费者情绪的趋势。数据平滑也可以用于其他业务目的。

例如，经济学家可以平滑数据以制作季节性调整对于某些指标，例如零售销售，通过减少每个月可能发生的变化，例如假期或汽油价格。

但是，使用此工具有很多失败。数据平滑并不总是提供有关其识别趋势或模式的解释。这也可能导致某些数据点通过强调其他数据来忽略。

财务会计中数据平滑的示例

在业务会计中经常引用的数据平滑示例是使可疑帐户的津贴通过更改坏账费用从一个报告期到另一个报告期。例如，一家公司预计不会在两个会计期内收到某些商品的付款；在第一个报告期间$ 1,000，在第二个报告期间为5,000美元。

如果预计第一个报告期限将有高收入，则该公司可以将6,000美元的总金额作为该报告期内可疑帐户的津贴。这将使损益表上的坏账费用增加6,000美元，并将净收入减少6,000美元。因此，这将通过减少收入来平息高收入时期。对于公司而言，在调整任何帐户时使用判断和法律会计方法很重要。

Investopedia不提供税收，投资或金融服务和建议。信息是在不考虑任何特定投资者的投资目标，风险承受能力或财务状况的情况下提供的，并且可能不适合所有投资者。投资涉及风险，包括可能失去本金。