O método de suavização exponencial usa as médias históricas de uma variável em um período para tentar prever seu comportamento futuro.
Portanto, trata-se de prever o que vai acontecer e o que fará é suavizar a série temporal. O objetivo é reduzir as oscilações e poder observar uma tendência que às vezes não é clara a olho nu. É amplamente utilizado, especialmente na antecipação de vendas e provou ser mais do que aceitável.
O método de suavização exponencial
Vejamos uma forma simples de cálculo. A fórmula, que mostramos em detalhes no exemplo, inclui uma demanda real (Do) e uma previsão (Po). Por outro lado, o fator de suavização (alfa) expresso em tantas vezes um. A fórmula seria esta:
O que fazemos, como veremos no final, é suavizar a série. Adicione à previsão do período anterior (Po) a diferença entre isso e a demanda (Do) multiplicada pelo fator de suavização (alfa). Com isso alcançamos valores com menor variabilidade e a evolução das séries temporais pode ser melhor observada.
Claro, existem modelos um pouco mais complexos. Por um lado, o modelo Box-Jenkins e, por outro, o modelo Holt-Winter. Este último é muito útil devido à sua simplicidade e facilidade de uso. Não entraremos em detalhes específicos, pois ultrapassaríamos nosso objetivo de mostrar a economia de forma simples.
As vantagens dos métodos de suavização exponencial
As vantagens são acima de tudo simplicidade e facilidade de aplicação, mas existem mais algumas. Mostramos os mais relevantes abaixo:
- Não precisa de muitos dados históricos, ao contrário de outros métodos, como ARIMA.
- Ele tem maior precisão do que outros ao usar técnicas de modelagem exponencial.
- É um método que goza de grande flexibilidade, por utilizar dados de demanda que podem ser escolhidos pelo pesquisador.
- A chamada suavização exponencial dupla torna possível reduzir os problemas de previsão quando o fator de suavização é maior que 0,5. Uma de suas poucas desvantagens.
Exemplo de suavização exponencial
Imagine uma empresa que vende batatas fritas. O diretor comercial da matriz mexicana entra em contato com seu homólogo na Espanha. Isso indica que você fará uma previsão de vendas para Valência. Mas é claro, o único indicador com o qual você deve começar são as vendas em uma cidade no México onde os dados podem ser comparados. Use um fator para suavizar a série de 35%.
Como podemos ver na figura, aplicando a fórmula obtemos os valores previstos. O primeiro (P1), de janeiro de 2015, são as vendas da Cidade do México naquele mês. A coluna de demanda contém os dados reais daquele ano. A partir daí, ao inserir a fórmula, o restante dos dados na coluna de previsão podem ser criados.
Podemos verificar que a suavização exponencial faz é reduzir as flutuações e observamos que não parece haver uma tendência clara. No entanto, a previsão está na maioria das vezes acima da demanda real que acabou sendo produzida. Embora em um período posterior isso seja muito maior.