Máy tính Trung bình động (SMA/EMA)

Trung bình động là gì?

Trung bình động làm mượt một chuỗi dữ liệu nhiễu bằng cách thay mỗi điểm bằng giá trị trung bình của các điểm lân cận, giúp xu hướng nền dễ nhận thấy hơn qua các dao động ngắn hạn. Đây là một trong những kỹ thuật chuỗi thời gian được sử dụng rộng rãi nhất trong dự báo nhu cầu sản xuất, phân tích tài chính và giám sát quá trình.

Trung bình động Đơn giản (SMA) lấy trung bình N điểm gần nhất ("cửa sổ") với trọng số bằng nhau, trượt tới một bước cho mỗi điểm mới. SMA dễ tính toán và diễn giải, nhưng coi dữ liệu cũ và mới ngang nhau, phản ứng chậm với những thay đổi thực sự gần đây vì mỗi điểm cũ vẫn được tính đầy đủ cho đến khi nó rơi ra khỏi cửa sổ.

Trung bình động Hàm mũ (EMA) thay vào đó gán trọng số lớn hơn cho các điểm gần đây và trọng số giảm dần cho các điểm cũ hơn, sử dụng một hệ số làm mượt suy ra từ kích thước cửa sổ. Điều này giúp EMA phản ứng nhanh hơn SMA với cùng kích thước cửa sổ trước những thay đổi gần đây, đổi lại nó nhạy cảm hơn một chút với nhiễu ngắn hạn.

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)

Ví dụ tính toán

Với chuỗi 10, 12, 13, 12, 15, 16, 18, 17, 19, 20 và cửa sổ 3 kỳ: giá trị SMA đầu tiên lấy trung bình ba điểm đầu (10+12+13)/3 = 11.67, giá trị thứ hai lấy trung bình các điểm 2-4 (12+13+12)/3 = 12.33, và cứ thế, tạo ra tổng cộng 8 giá trị làm mượt (10 điểm trừ cửa sổ 3, cộng 1). EMA bắt đầu từ cùng giá trị trung bình ban đầu (11.67) nhưng sau đó gán trọng số lớn hơn cho mỗi điểm mới (α = 2/(3+1) = 0.5 ở đây), tạo ra một chuỗi bám sát xu hướng tăng sau đó chặt chẽ hơn so với SMA.

Khi nào sử dụng công cụ này

• Người lập kế hoạch sản xuất làm mượt dữ liệu sản lượng hoặc nhu cầu hàng ngày để làm rõ xu hướng nền trước khi lập dự báo
• Kỹ sư chất lượng theo dõi một chỉ số quá trình theo thời gian để phân biệt xu hướng thực sự với biến động ngẫu nhiên bình thường
• Người quản lý năng lượng làm mượt số liệu tiêu thụ hàng ngày để theo dõi xu hướng hiệu suất dần dần bị che khuất bởi nhiễu thời tiết hoặc sử dụng hàng ngày
• Nhà phân tích tồn kho hoặc chuỗi cung ứng làm mượt dữ liệu bán hàng hoặc sử dụng như đầu vào cho một phép tính dự báo đơn giản hoặc điểm đặt hàng lại

Những sai lầm thường gặp

• Chọn kích thước cửa sổ một cách tùy tiện mà không xem xét chu kỳ tự nhiên của dữ liệu — cửa sổ không khớp với chu kỳ nền (ví dụ: lấy trung bình 5 ngày dữ liệu có mẫu hình hàng tuần mạnh) có thể làm sai lệch thay vì làm rõ xu hướng
• Coi chuỗi đã làm mượt như không có độ trễ — cả SMA và EMA đều trễ so với những thay đổi thực sự đột ngột trong dữ liệu theo thiết kế; trung bình động luôn xác nhận một xu hướng muộn hơn so với thời điểm nó thực sự bắt đầu
• Sử dụng trung bình động trên dữ liệu không có thứ tự ý nghĩa (ví dụ: các nhóm phân loại chưa sắp xếp) — kỹ thuật này giả định các điểm dữ liệu được sắp xếp theo thời gian hoặc trình tự; áp dụng nó cho dữ liệu không có thứ tự tạo ra kết quả vô nghĩa
• So sánh giá trị SMA và EMA như thể chúng đo cùng một thứ mà không tính đến sự khác biệt về độ trễ — EMA phản ứng nhanh hơn, vì vậy tại bất kỳ điểm nào, EMA và SMA của cùng cửa sổ có thể khác nhau đáng kể, đặc biệt ngay sau một sự thay đổi thực sự trong dữ liệu
• Ngoại suy điểm trung bình động cuối cùng như một dự báo mà không điều chỉnh — trung bình động mô tả hành vi làm mượt trong quá khứ, không phải một phép chiếu; ngoại suy đơn giản bỏ qua bất kỳ xu hướng hoặc tính mùa vụ nào vẫn còn tồn tại trong dữ liệu

Cách diễn giải kết quả

• Trung bình động tăng dần cho thấy xu hướng đi lên trong dữ liệu nền qua kỳ cửa sổ; trung bình động giảm dần cho thấy xu hướng đi xuống
• Khi chuỗi gốc cắt lên trên trung bình động của nó, điều này thường được đọc như một tín hiệu sớm (dù có độ trễ) của sự chuyển dịch sang xu hướng tăng, và cắt xuống dưới gợi ý điều ngược lại
• Trung bình động duy trì tương đối bằng phẳng dù chuỗi gốc nhiễu cho thấy quá trình nền ổn định, và nhiễu quan sát được chỉ là biến động ngẫu nhiên ngắn hạn
• Khoảng cách giữa EMA và SMA (khi tính với cùng cửa sổ) cho thấy EMA đang gán trọng số lớn hơn bao nhiêu cho dữ liệu gần đây — khoảng cách ngày càng lớn gợi ý dữ liệu gần đây đang phân kỳ đáng kể so với trung bình dài hạn
• Vì trung bình động luôn trễ so với dữ liệu thực, chỉ nên coi một thay đổi hướng xu hướng là được xác nhận sau khi vài điểm làm mượt liên tiếp tiếp tục theo hướng đó, không phải từ một điểm mới duy nhất

Tiêu chuẩn và tài liệu tham khảo liên quan

• NIST/SEMATECH e-Handbook of Statistical Methods (Mục 6.4, Introduction to Time Series Analysis) — tài liệu tham khảo về trung bình động và các phương pháp làm mượt
• Hyndman, R.J. & Athanasopoulos, G., "Forecasting: Principles and Practice" — tài liệu tham khảo mở được sử dụng rộng rãi, bao gồm các phương pháp trung bình động và làm mượt hàm mũ cho dự báo nhu cầu
• Box, G.E.P., Jenkins, G.M., "Time Series Analysis: Forecasting and Control" — văn bản thống kê nền tảng bao gồm trung bình động và làm mượt hàm mũ như các khối xây dựng của mô hình hóa chuỗi thời gian

Câu hỏi thường gặp

Làm thế nào để chọn kích thước cửa sổ?

Cửa sổ lớn hơn tạo ra đường mượt hơn nhưng phản ứng chậm hơn với các thay đổi thực sự và mất nhiều điểm dữ liệu hơn ở đầu chuỗi (SMA cần N-1 điểm trước khi có thể tạo ra giá trị đầu tiên). Cửa sổ nhỏ hơn bám sát dữ liệu hơn nhưng giữ lại nhiều nhiễu hơn. Một điểm khởi đầu phổ biến là chọn cửa sổ khớp với chu kỳ tự nhiên của dữ liệu (ví dụ: 7 cho dữ liệu hàng ngày có mẫu hình hàng tuần, 12 cho dữ liệu hàng tháng có mẫu hình hàng năm).

Khi nào nên dùng EMA thay vì SMA?

Dùng EMA khi bạn cần đường làm mượt phản ứng nhanh hơn với các thay đổi gần đây — ví dụ, phát hiện một xu hướng mới nổi trong sản lượng sản xuất hoặc tiêu thụ năng lượng càng sớm càng tốt. Dùng SMA khi bạn muốn một đường cơ sở ổn định hơn, ít phản ứng hơn, hoặc khi trọng số bằng nhau trong suốt kỳ cửa sổ hợp lý hơn về mặt khái niệm (ví dụ: lấy trung bình chính xác 7 ngày gần nhất của một chỉ số mà không có lý do để ưu tiên các ngày gần đây hơn).

Tại sao chuỗi đã làm mượt có ít điểm hơn chuỗi gốc?

Không thể tính trung bình động cho đến khi có đủ điểm dữ liệu lịch sử để lấp đầy cửa sổ, vì vậy (cửa sổ − 1) điểm đầu tiên của chuỗi gốc không có giá trị trung bình động tương ứng. Do đó, trung bình động 3 kỳ của một chuỗi 10 điểm chỉ tạo ra 8 điểm làm mượt, được căn chỉnh bắt đầu từ điểm thứ 3 của chuỗi gốc.