Exponentiell utjämning är en teknik för att manipulera data från en serie kronologiska observationer för att tona ned effekterna av slumpmässig variation. Matematisk modellering, skapandet av en numerisk simulering för en datamängd, behandlar ofta observerade data som summan av två eller flera komponenter, varav en är slumpmässigt fel, skillnaderna mellan det observerade värdet och det underliggande sanna värdet. När de tillämpas korrekt minimerar utjämningstekniker effekten av den slumpmässiga variationen, vilket gör det lättare att se det underliggande fenomenet – en fördel både när det gäller att presentera data och göra prognoser för framtida värden. De kallas ”utjämningstekniker” eftersom de tar bort taggiga upp- och nedgångar som är förknippade med slumpmässig variation och lämnar efter sig en jämnare linje eller kurva när data plottas. Nackdelen med utjämningstekniker är att när de används felaktigt kan de också jämna bort viktiga trender eller cykliska förändringar i data samt den slumpmässiga variationen och därmed förvränga alla förutsägelser de erbjuder.
Den enklaste utjämningstekniken är att ta ett genomsnitt av tidigare värden. Tyvärr döljer detta också helt alla trender, förändringar eller cykler i data. Mer komplicerade medelvärden eliminerar en del men inte allt av detta döljande och tenderar fortfarande att släpa efter som prognosmakare och reagerar inte på förändringar i trender förrän flera observationer efter att trenden har förändrats. Exempel på detta är ett glidande medelvärde som bara använder de senaste observationerna eller ett viktat medelvärde som värderar vissa observationer mer än andra. Exponentiell utjämning representerar ett försök att förbättra dessa defekter.
Enkel exponentiell utjämning är den mest grundläggande formen, med en enkel rekursiv formel för att transformera data. S1, den första utjämnade punkten, är helt enkelt lika med O1, de första observerade data. För varje efterföljande punkt är den utjämnade punkten en interpolation mellan föregående utjämnade data och den aktuella observationen: Sn = aOn + (1-a)Sn-1. Konstanten ”a” är känd som utjämningskonstanten; den värderas mellan noll och ett och bestämmer hur mycket vikt som ges till rådata och hur mycket till utjämnad data. Statistisk analys för att minimera det slumpmässiga felet bestämmer i allmänhet det optimala värdet för en given serie data.
Om den rekursiva formeln för Sn endast skrivs om i termer av de observerade data, ger den formeln Sn = aOn + a(1-a)On-1 + a(1-a) 2On-2 +. . . avslöjar att de utjämnade data är ett viktat medelvärde av alla data med vikterna som varierar exponentiellt i en geometrisk serie. Detta är källan till exponentialen i frasen ”exponentiell utjämning.” Ju närmare värdet på ”a” är ett, desto mer mottaglig för förändringar i trenden kommer den utjämnade informationen att vara, men på bekostnad av att också vara mer föremål för den slumpmässiga variationen i data.
Fördelen med enkel exponentiell utjämning är att den möjliggör en trend i hur den utjämnade datan förändras. Det går dock dåligt med att skilja förändringar i trenden från de slumpmässiga variationerna som är inneboende i data. Av den anledningen används också dubbel och trippel exponentiell utjämning, vilket introducerar ytterligare konstanter och mer komplicerade rekursioner för att ta hänsyn till trend- och cyklisk förändring i data.
Arbetslöshetsdata är ett utmärkt exempel på data som drar nytta av trippel exponentiell utjämning. Trippelutjämning gör att arbetslöshetsdata kan ses som summan av fyra faktorer: det oundvikliga slumpmässiga felet vid insamlingen av data, en basnivå för arbetslösheten, den cykliska säsongsvariationen som påverkar många branscher och en förändrad trend som återspeglar hälsan hos ekonomi. Genom att tilldela utjämningskonstanter till basen, trenden och säsongsvariationen gör trippel utjämning det lättare för en lekman att se hur arbetslösheten varierar över tiden. Valet av olika konstanter kommer dock att förändra utseendet på den utjämnade datan, vilket är en av anledningarna till att ekonomer ibland kan skilja sig mycket åt i sina prognoser.
Exponentiell utjämning är en av många metoder för att matematiskt ändra data för att göra mer känsla för fenomenet som genererade data. Beräkningarna kan utföras på allmänt tillgänglig kontorsprogramvara, så det är också en lättillgänglig teknik. Rätt använd är det ett ovärderligt verktyg för att presentera data och för att göra förutsägelser. Felaktigt utförd kan det potentiellt dölja viktig information tillsammans med de slumpmässiga variationerna, så försiktighet bör iakttas med jämnade data.