Exponential smoothing constant determination to minimize the forecast error

Abstract

Однією з фундаментальних проблем у експоненціальному згладжуванні є визначення констант згладжування. Дослідники зазвичай використовують визначення, яке доступне в статистичному програмному забезпеченні. Однак, результат не може мінімізувати похибку прогнозу. Для цього дослідження оптимальні значення константи згладжування базуються на мінімізації прогнозних помилок, середньої абсолютної процентної похибки (САПП) та середньоквадратичної похибки (СКП). Обрано подвійний експоненціальний метод згладжування або метод Хольта, де два постійних значення повинні бути визначені на рівні та оцінці тренда, відповідно. Досліджувався реальний набір туристичних даних, в якому виділено кількість міжнародних туристів, які відвідали Малакку з 2003 року до 2016 року. Результат показує, що значення рівня та тренду, які отримані у результаті цього аналізу, є невеликими та близькими до нуля. Це вказує на те, що рівень і тренд повільно реагують на дані. Крім того, симуляція також була розрахована за допомогою моделі випадкового блукання. Результат показує, що використанням оптимального результату, який доступний статистичним програмним забезпеченням, не рекомендується, оскільки отримані константи згладжування не мінімізують похибку прогнозу.One of the fundamental issues in exponential smoothing is to determine the smoothing constants. Researchers usually use the determination available in the statistical software. However, the result may not able to minimize the forecast error. For this study, the optimal values of smoothing constant are based on minimizing the forecast errors, mean absolute percentage error (MAPE) and root mean squared error (RMSE). The double exponential smoothing method or Holt’s method is chosen where two constant values must identify specifically the level and trend estimate, respectively. The real data set of tourism emphasize the number of international tourists visit Malacca from year 2003 to 2016 has been studied. The result shows that the values of level and trend obtained from this analysis is small and close to zero. This indicates that the level and trend react slowly towards the data. In addition, simulation also have been computed using the random walk model. The result suggested, by using optimal result available by statistical software is not recommended since the obtained smoothing constants do not minimize the forecast error.