Gleitender Durchschnitt (SMA/EMA) Rechner

Was ist ein gleitender Durchschnitt?

Ein gleitender Durchschnitt glättet eine verrauschte Datenreihe, indem jeder Punkt durch den Durchschnitt benachbarter Punkte ersetzt wird, wodurch zugrunde liegende Trends trotz kurzfristiger Schwankungen leichter erkennbar werden. Es ist eine der am weitesten verbreiteten Zeitreihentechniken in der Bedarfsprognose der Fertigung, der Finanzanalyse und der Prozessüberwachung.

Der einfache gleitende Durchschnitt (SMA) mittelt die letzten N Punkte (das "Fenster") mit gleichem Gewicht und verschiebt sich für jeden neuen Punkt um einen Schritt. Er ist einfach zu berechnen und zu interpretieren, behandelt jedoch alte und neue Daten gleich und reagiert langsam auf tatsächliche jüngste Veränderungen, da jeder alte Punkt voll gezählt wird, bis er aus dem Fenster fällt.

Der exponentielle gleitende Durchschnitt (EMA) gewichtet dagegen jüngere Punkte stärker und ältere zunehmend schwächer, wobei ein aus der Fenstergröße abgeleiteter Glättungsfaktor verwendet wird. Dadurch reagiert der EMA schneller als ein SMA gleicher Fenstergröße auf jüngste Veränderungen, ist dafür aber etwas empfindlicher gegenüber kurzfristigem Rauschen.

Formula: SMA_t = (x_t + x_(t-1) + ... + x_(t-N+1)) / N EMA_t = α × x_t + (1 − α) × EMA_(t-1), α = 2 / (N + 1)

Berechnungsbeispiel

Gegeben die Reihe 10, 12, 13, 12, 15, 16, 18, 17, 19, 20 mit einem 3-Perioden-Fenster: Der erste SMA-Wert mittelt die ersten drei Punkte (10+12+13)/3 = 11,67, der zweite mittelt die Punkte 2-4 (12+13+12)/3 = 12,33 und so weiter, wodurch insgesamt 8 geglättete Werte entstehen (10 Punkte minus Fenster von 3, plus 1). Der EMA startet vom gleichen Anfangsdurchschnitt (11,67), gewichtet aber danach jeden neuen Punkt stärker (α = 2/(3+1) = 0,5 in diesem Fall), wodurch eine Reihe entsteht, die dem späteren Aufwärtstrend enger folgt als der SMA.

Wann diesen Rechner verwenden

• Ein Produktionsplaner, der tägliche Ausstoß- oder Bedarfsdaten glättet, um vor der Erstellung einer Prognose den zugrunde liegenden Trend sichtbar zu machen
• Ein Qualitätsingenieur, der eine Prozesskennzahl über die Zeit überwacht, um einen echten Trend von normaler zufälliger Streuung zu unterscheiden
• Ein Energiemanager, der tägliche Verbrauchswerte glättet, um einen allmählichen Effizienztrend zu verfolgen, der durch tageweises Wetter- oder Nutzungsrauschen verdeckt wird
• Ein Bestands- oder Supply-Chain-Analyst, der Verkaufs- oder Nutzungsdaten glättet als Eingabe für eine einfache Prognose- oder Bestellpunktberechnung

Häufige Fehler vermeiden

• Die Fenstergröße willkürlich wählen, ohne den natürlichen Zyklus der Daten zu berücksichtigen — ein Fenster, das nicht zur zugrunde liegenden Periode passt (z. B. Mittelung über 5 Tage bei stark wöchentlichem Muster), kann den Trend eher verzerren als klären
• Die geglättete Reihe so behandeln, als hätte sie keine Verzögerung — sowohl SMA als auch EMA hinken plötzlichen realen Veränderungen der Daten konstruktionsbedingt hinterher; ein gleitender Durchschnitt bestätigt einen Trend immer später, als er tatsächlich begonnen hat
• Einen gleitenden Durchschnitt auf Daten ohne sinnvolle Reihenfolge anwenden (z. B. unsortierte kategoriale Gruppen) — die Technik setzt voraus, dass die Datenpunkte zeitlich oder sequenziell geordnet sind; die Anwendung auf ungeordnete Daten liefert ein bedeutungsloses Ergebnis
• SMA- und EMA-Werte vergleichen, als würden sie dasselbe messen, ohne den Verzögerungsunterschied zu berücksichtigen — EMA reagiert schneller, sodass EMA und SMA desselben Fensters an jedem gegebenen Punkt deutlich abweichen können, besonders unmittelbar nach einer echten Verschiebung in den Daten
• Den letzten Punkt des gleitenden Durchschnitts unangepasst als Prognose extrapolieren — ein gleitender Durchschnitt beschreibt vergangenes geglättetes Verhalten, keine Projektion; naive Extrapolation ignoriert jeden noch vorhandenen Trend oder jede Saisonalität in den Daten

Ergebnisse interpretieren

• Ein steigender gleitender Durchschnitt zeigt einen Aufwärtstrend in den zugrunde liegenden Daten über die Fensterperiode an; ein fallender gleitender Durchschnitt zeigt einen Abwärtstrend an
• Wenn die Originalreihe über ihren gleitenden Durchschnitt steigt, wird dies oft als frühes (wenn auch verzögertes) Signal für eine Verschiebung hin zu einem Aufwärtstrend gelesen, und ein Fallen darunter deutet auf das Gegenteil hin
• Ein gleitender Durchschnitt, der trotz einer verrauschten Originalreihe annähernd flach bleibt, deutet darauf hin, dass der zugrunde liegende Prozess stabil ist und das sichtbare Rauschen nur kurzfristige zufällige Streuung ist
• Die Lücke zwischen EMA und SMA (bei gleichem Fenster berechnet) zeigt, wie viel stärker der EMA jüngere Daten gewichtet — eine wachsende Lücke deutet darauf hin, dass sich die jüngsten Daten merklich vom längerfristigen Durchschnitt entfernen
• Da ein gleitender Durchschnitt der realen Entwicklung immer hinterherhinkt, sollte eine Änderung der Trendrichtung erst dann als bestätigt gelten, wenn mehrere aufeinanderfolgende geglättete Punkte diese Richtung fortsetzen, nicht bereits nach einem einzelnen neuen Punkt

Verwandte Normen und Referenzen

• NIST/SEMATECH e-Handbook of Statistical Methods (Abschnitt 6.4, Introduction to Time Series Analysis) — Referenzwerk zu gleitenden Durchschnitten und Glättungsmethoden
• Hyndman, R.J. & Athanasopoulos, G., "Forecasting: Principles and Practice" — weit verbreitetes offenes Referenzwerk zu gleitenden Durchschnitten und exponentieller Glättung für die Bedarfsprognose
• Box, G.E.P., Jenkins, G.M., "Time Series Analysis: Forecasting and Control" — grundlegender statistischer Text, der gleitende Durchschnitte und exponentielle Glättung als Bausteine der Zeitreihenmodellierung behandelt

Häufig gestellte Fragen

Wie wähle ich die Fenstergröße?

Ein größeres Fenster erzeugt eine glattere Linie, reagiert aber langsamer auf reale Veränderungen und verliert mehr Datenpunkte am Anfang der Reihe (SMA benötigt N-1 Punkte, bevor der erste Wert berechnet werden kann). Ein kleineres Fenster folgt den Daten enger, behält aber mehr Rauschen bei. Ein üblicher Ausgangspunkt ist die Wahl eines Fensters, das einem natürlichen Zyklus in den Daten entspricht (z. B. 7 für Tagesdaten mit wöchentlichem Muster, 12 für Monatsdaten mit jährlichem Muster).

Wann sollte ich EMA statt SMA verwenden?

Verwenden Sie EMA, wenn die geglättete Linie schneller auf jüngste Veränderungen reagieren soll — zum Beispiel, um einen aufkommenden Trend in Produktionsausstoß oder Energieverbrauch so früh wie möglich zu erkennen. Verwenden Sie SMA, wenn Sie eine stabilere, weniger reaktive Basislinie wünschen, oder wenn eine Gleichgewichtung der Fensterperiode konzeptionell angemessener ist (z. B. das exakte Mitteln der letzten 7 Tage einer Kennzahl ohne Grund, jüngere Tage zu bevorzugen).

Warum hat die geglättete Reihe weniger Punkte als das Original?

Ein gleitender Durchschnitt kann erst berechnet werden, wenn genügend historische Punkte vorliegen, um das Fenster zu füllen, sodass die ersten (Fenster − 1) Punkte der Originalreihe keinen entsprechenden Wert für den gleitenden Durchschnitt haben. Ein gleitender Durchschnitt über 3 Perioden einer 10-Punkte-Reihe erzeugt daher nur 8 geglättete Punkte, ausgerichtet ab dem 3. Punkt der Originalreihe.