Was ist Datenglättung?
Die Datenglättung erfolgt mithilfe eines Algorithmus zum Entfernen von Rauschen aus einem Datensatz. Dadurch können wichtige Muster hervorgehoben werden. Datenglättung kann verwendet werden, um Trends vorherzusagen, wie sie beispielsweise bei Wertpapierkursen zu finden sind.
Geglättete Daten werden bevorzugt, da sie im Allgemeinen Änderungen in der Wirtschaft im Vergleich zu ungeglätteten Daten identifizieren.
Datenglättung erklärt
Wenn Daten zusammengestellt werden, können sie manipuliert werden, um jegliche Flüchtigkeit oder andere Arten von Rauschen zu beseitigen oder zu reduzieren. Dies wird als Datenglättung bezeichnet.
Die Idee der Datenglättung besteht darin, vereinfachte Änderungen zu identifizieren, um unterschiedliche Trends und Muster vorhersagen zu können. Es ist eine Hilfe für Statistiker oder Händler, die eine Vielzahl von Daten untersuchen müssen - die oft nur schwer zu verdauen sind -, um Muster zu finden, die sie sonst nicht sehen würden.
Stellen Sie sich zur Erläuterung anhand einer visuellen Darstellung einen Einjahres-Chart für die Aktie von Unternehmen X vor. Jeder einzelne Höchstpunkt in der Grafik für die Aktie kann reduziert werden, während alle niedrigeren Punkte angehoben werden. Dies würde die Kurve glatter machen und somit den Anlegern helfen, Vorhersagen darüber zu treffen, wie sich die Aktie in Zukunft entwickeln könnte.
Datenglättungsmethoden
Es gibt verschiedene Methoden, mit denen Daten geglättet werden können. Einige von diesen umfassen die Zufallsmethode, das zufällige Gehen, den gleitenden Durchschnitt, das einfache exponentielle, das lineare exponentielle und das saisonale exponentielle Glätten.
Ein geglätteter gleitender Durchschnitt entspricht sowohl den jüngsten als auch den historischen Kursen.
Das Random-Walk-Modell wird häufig zur Beschreibung des Verhaltens von Finanzinstrumenten wie Aktien verwendet. Einige Anleger sind der Ansicht, dass es keinen Zusammenhang zwischen der Preisentwicklung eines Wertpapiers in der Vergangenheit und seiner künftigen Entwicklung gibt. Beim Glätten nach dem Zufallsprinzip wird davon ausgegangen, dass zukünftige Datenpunkte dem letzten verfügbaren Datenpunkt plus einer Zufallsvariablen entsprechen. Technische und fundamentale Analysten sind mit dieser Idee nicht einverstanden. Sie glauben, dass zukünftige Bewegungen durch die Untersuchung vergangener Trends extrapoliert werden können.
Der in der technischen Analyse häufig verwendete gleitende Durchschnitt gleicht Preisbewegungen aus und filtert die Volatilität von zufälligen Preisbewegungen heraus. Dieser Prozess basiert auf vergangenen Preisen und ist daher ein Trendfolge- oder Verzögerungsindikator.
Vor- und Nachteile der Datenglättung
Datenglättung kann verwendet werden, um Trends in der Wirtschaft, bei Wertpapieren wie Aktien, der Verbraucherstimmung oder für andere Geschäftszwecke zu identifizieren.
Die zentralen Thesen
- Bei der Datenglättung wird ein Algorithmus verwendet, um Rauschen aus einem Datensatz zu entfernen und wichtige Muster hervorzuheben. Es kann verwendet werden, um Trends vorherzusagen, wie sie beispielsweise in Wertpapierkursen zu finden sind. Verschiedene Datenglättungsmodelle umfassen die Zufallsmethode, das zufällige Gehen und den gleitenden Durchschnitt. Während die Datenglättung dabei helfen kann, bestimmte Trends vorherzusagen, kann dies dazu führen, dass bestimmte Datenpunkte vorliegen ignoriert.
Ein Ökonom kann beispielsweise Daten glätten, um saisonale Anpassungen für bestimmte Indikatoren wie Einzelhandelsumsätze vorzunehmen, indem er die Abweichungen reduziert, die jeden Monat auftreten können, wie z. B. Feiertage oder Gaspreise.
Es gibt jedoch Nachteile bei der Verwendung dieses Tools. Die Datenglättung liefert nicht immer eine Erklärung für die Trends oder Muster, die sie identifiziert. Es kann auch dazu führen, dass bestimmte Datenpunkte ignoriert werden, indem andere hervorgehoben werden.
