[개념 정리] 지수평활법(Exponential Smoothing)이란?

1. 지수평활법이란?

지수평활법은 시계열 데이터 분석에서 미래의 값을 예측하기 위해 사용하는 대표적인 통계적 방법입니다. 최근 데이터에 더 높은 가중치를 부여하고, 과거 데이터로 갈수록 가중치를 지수적으로 줄여나가며 평균을 산출합니다.

• 최근 데이터의 중요성: 최근의 변화 패턴이 미래에 더 큰 영향을 미친다고 가정합니다.
• 노이즈 제거: 데이터의 단기적인 변동(노이즈)을 완화하여 전반적인 흐름(트렌드)을 파악하는 데 용이합니다.

---

2. 작동 원리 및 특징

이동평균법(Moving Average)과의 차이를 이해하면 직관적으로 파악할 수 있습니다.

• 단순 이동평균법: 지정한 기간 내의 모든 데이터에 동일한 가중치를 부여합니다.
• 지수평활법: 모든 과거 데이터를 반영하되, 최근 데이터일수록 높은 가중치를 부여합니다.

---

3. 지수평활법의 수식

가장 기본이 되는 단순 지수평활법(Simple Exponential Smoothing)의 공식은 다음과 같습니다.

$\hat{Y}_{t+1} = \alpha Y_t + (1 - \alpha)\hat{Y}_t$

• $\hat{Y}_{t+1}$: 다음 시점($t+1$)의 예측값
• $Y_t$: 현재 시점($t$)의 실제값
• $\hat{Y}_t$: 현재 시점($t$)의 예측값
• $\alpha$ (평활계수, Smoothing Constant): 0과 1 사이의 값 ($0 < \alpha < 1$)

평활계수($\alpha$)의 역할

• $\alpha$가 1에 가까울수록: 최근 실제값($Y_t$)에 더 큰 가중치를 두어 민감하게 반응합니다.
• $\alpha$가 0에 가까울수록: 이전 예측값($\hat{Y}_t$)에 더 큰 가중치를 두어 데이터가 더 부드럽게(Smooth) 변합니다.

---

4. 지수평활법의 종류

데이터의 특성(추세, 계절성)에 따라 세 가지로 나뉩니다.

1. 단순 지수평활법 (Simple Exponential Smoothing)

• 추세나 계절성이 없는 평탄한 데이터에 사용합니다.

2. 이중 지수평활법 (Holt's Linear Trend Method)

• 데이터에 상승/하강하는 추세(Trend)가 존재할 때 사용합니다.

3. 삼중 지수평활법 (Holt-Winters Method)

• 데이터에 추세와 계절성(Seasonality)이 모두 존재할 때 사용합니다.

---

5. 핵심 요약

• 지수평활법은 최근 데이터일수록 가중치를 높게 주어 미래를 예측하는 시계열 기법입니다.
• 데이터의 변동성이 작고 안정적인 흐름을 보일 때 효과적입니다.
• 데이터의 패턴에 따라 단순, 이중(추세), 삼중(계절성) 지수평활법을 구분하여 적용해야 합니다.