Trend tahmin zamanla ne nicel veri değişiklikleri desenleri bulmauygulamadır . Trend tahmin finans, ekonomi, işletme , mühendislik ,sosyal bilimler vefizik bilimleri veriyorumlanmasına yardımcı olmak amacıyla kullanılan tahmin , önemli bir parçasıdır . Eğilim tahmininde merkezi bir fikri gerçek veriler nedeniyle ölçüm yanlışlıklar rastgele » gürültü » ile birlikte bazı temel eğilimi yansıtmaktadır olmasıdır. Zaman Serisi Analizi
bir zaman serisi genellikle bir grafik ya da grafik olarak gösterilir zaman içinde veri noktaları dizisidir

. Zaman serisi anlamlı bir eğilim ayırt çalışırken elle analiz edilebilir . Bir zaman serisinin bir örneği, bir hastanın kalp atışıdır . «Sağlıklı» bir kalp atışıeğilim bilinen olduğundan , doktorlar düzensiz kalp atışları kontrol etmek için zaman serisi analizi kullanabilirsiniz . Orada temiz , parazitsiz sinyal vesinyali üretenyatan mekanizmaları iyi bilinen olduğunda manuel zaman serisi analizi Bu tür sadece uygundur .
Gürültü ve Sinyal

Trend analizi verisinyalini tanımlayan ilgili. Sinyalverianlamlı desen ya da eğilim. Gerçek dünyadasinyalini gizler rastgele bazı parazit ya da » gürültü » çoğu zaman . Birçok eğilim tahmin yöntemlerigürültü filtresi veanlamlı sinyal geride bırakmak girişimleri vardır . Bu sinyalverileriningelecekteki eğilimine bir fikir verebilir. Kullanımı için
Basit Hareketli Ortalama

basit hareketli ortalama bir trend tahmin tekniğidir uygundur veri düzenli periyodik değişiklikleri sergiler . Basit hareketli ortalamaverilerdeki herhangi bir uzun vadeli trenddönemsel değişiklikleri görmezden iken , olup olmadığını belirlemek için kullanılır . Bir örnek bir oyuncak şirketinsatış olurdu. Bu satışlar Noel çevresinde her yıl zirve eğiliminde olacaktır , bu yüzden bir yıl periyodikliğini sergileyecek . Eğilimuzun vadede var (varsa ) ne bulmak amacıyla ,oyuncak şirketi basit hareketli ortalama kullanmak istiyorsunuz . Verilen n bir veri kümesi işaret 1,2 , … , n – 1 , nk – nokta basit hareketli ortalama k ardışık veri noktalarının her ardışık diziortalamasını komplo tarafından bulundu :

( 1,2, …, k-1 , k) /k, ( 2,3 , …, k, k +1) /k , …, ( nk n (k-1 ) , … , n – 1 , n ) /k .

Buverilerinuzun dönemli eğilimini gösterir ve filtreleme iken verilerin uzun dönemli eğilimleri ayırt etmek için kullanılır , daha küçük, daha düzgün veri seti üretir mevsimsellik dışarı .
ağırlıklı Hareketli Ortalama

ağırlıklı hareketli ortalama, ortalama veri noktaları her ne kadar önemli yansıtan bir ağırlık verildiğini dışındabasit hareketli ortalamaya benzer bu olduğuna inanılmaktadır . Bu ağırlığınbelirlenmesiveri kümesinin son davranış hakkında bilgi temelinde yapılan nesnel bir seçimdir . Seçerek bir geleneksel yöntem yaygın finans kullanılır. Veri noktasınınsayı ise bu kongrede , » n» sonra en son veri noktası benim n ile çarpılarak ağırlıklı ,önceki veri nokta n olarak ağırlıklı – 1 , ve böylece geriilk verilere tümyolda eğilimler çoğuveridaha yeni hareketlerinden etkilendi olması muhtemeldir zamanhareketli ağırlıklı ortalama eğilimleri tahmin etmek için uygundur 1. olarak ağırlıklı nokta , . Bu nerede bu tür mali piyasa fiyatı veri olarak son hareketin güçlü etkileri daha sonraki hareketleri , .
Üstel Düzeltme Modeli

eksponansiyal modeli veri setleri daha doğru eğilim tahminleri verebilir Ayrıca ,üssel hareketli ortalama denir üslü şekilde azalma ağırlıkları geçerli bir trend tahmin tekniğidir . Üstel yumuşatma modeli verilmiştir veri noktaları bir dizisonraki veri noktasını öngörüyor. ( 1 – alfa) Buen son gözlenen veri noktasını çarparak ve bir ağırlıklandırma katsayısı alfa ile çarpılması daha sonra bu ekleyerek hesaplanıren son gözlenen veri noktası içineksponansiyal model tahminleri ile çarpılır :

ESM = alfa * x + ( 1 – a ) * ( 1 – ESM )

ESM , alfa sabitağırlık üssel hareketli ortalaması kullanılaraktahmin sonraki değer gerekli olduğunda, X , en yakın zamanda gözlenen veri değeri ve ESM – 1en son gözlenen veri noktasınınüssel hareketli ortalama tahmindir. Üstel yumuşatma modeliöngörülen eğilim tahmini en son değerlerinetkisini güçlendirir . Buveri setininson hareketleri önemli ölçüde daha önceki hareketlerini daha önemli olduğu durumlarda kullanılır .