Définition du lissage des données
Qu’est-ce que le lissage des données?
Le lissage des données est effectué à l’aide d’un algorithme pour supprimer le bruit d’un ensemble de données. Cela permet aux motifs importants de se démarquer plus clairement.
Le lissage des données peut être utilisé pour aider à prédire les tendances, telles que celles trouvées dans les prix des titres, ainsi que dans l’analyse économique qui peut prendre en compte les effets de la saisonnalité ou qui peut ignorer les valeurs aberrantes ponctuelles.
Points clés à retenir
- Le lissage des données utilise un algorithme pour supprimer le bruit d’un ensemble de données, permettant à des modèles importants de se démarquer, et peut être utilisé pour prédire des tendances telles que celles trouvées dans les prix des titres.
- Différents modèles de lissage des données incluent la méthode aléatoire utilisant des moyennes mobiles.
- Bien que le lissage des données puisse aider à prédire certaines tendances, il entraînera intrinsèquement moins d’informations dans l’échantillon, ce qui peut conduire à ignorer certains points de données.
Explication du lissage des données
Lorsque les données sont compilées, elles peuvent être manipulées pour supprimer ou réduire toute volatilité ou tout autre type de bruit. C’est ce qu’on appelle le lissage des données.
L’idée derrière le lissage des données est qu’il peut identifier des changements simplifiés afin d’aider à prédire différentes tendances et modèles. Il aide les statisticiens ou les commerçants qui ont besoin d’examiner beaucoup de données – qui peuvent souvent être compliquées à digérer – pour trouver des modèles qu’ils ne verraient pas autrement.
Pour expliquer avec une représentation visuelle, imaginez un graphique sur un an pour les actions de la société X. Chaque point haut individuel sur le graphique de l’action peut être réduit tout en augmentant tous les points inférieurs. Cela rendrait une courbe plus douce, aidant ainsi un investisseur à faire des prédictions sur les performances futures de l’action.
Les données lissées sont généralement préférées par les économistes car elles identifient mieux les changements de tendance par rapport aux données non lissées, qui peuvent apparaître plus erratiques et créer de faux signaux.
Méthodes de lissage des données
Il existe différentes méthodes dans lesquelles le lissage des données peut être effectué. Certains d’entre eux incluent la méthode de randomisation, utilisant une marche aléatoire, le calcul d’une moyenne mobile ou la réalisation de l’une des nombreuses techniques de lissage exponentiel.
Une moyenne mobile simple (SMA) accorde un poids égal à la fois aux prix récents et aux prix historiques, tandis qu’une moyenne mobile exponentielle (EMA) accorde plus de poids aux données de prix récentes.
Le modèle de marche aléatoire est couramment utilisé pour décrire le comportement d’instruments financiers tels que les actions. Certains investisseurs estiment qu’il n’y a pas de relation entre le mouvement passé du prix d’un titre et son mouvement futur. Le lissage de marche aléatoire suppose que les points de données futurs seront égaux au dernier point de données disponible plus une variable aléatoire. Les analystes techniques et fondamentaux ne sont pas d’accord avec cette idée; ils pensent que les mouvements futurs peuvent être extrapolés en examinant les tendances passées.
Souvent utilisée dans l’analyse technique, la moyenne mobile adoucit l’action des prix tout en filtrant la volatilité des mouvements aléatoires des prix. Ce processus est basé sur les prix passés, ce qui en fait un indicateur de tendance ou de retard. Comme on peut le voir dans le graphique des prix ci-dessous, la moyenne mobile (EMA) a la forme et la tendance générales des données de prix quotidiennes sous-jacentes, illustrées par les chandeliers. Plus il y a de jours incorporés dans la moyenne mobile, plus la ligne est lissée.
Avantages et inconvénients du lissage des données
Le lissage des données peut être utilisé pour aider à identifier les tendances de l’économie, des titres tels que les actions, le sentiment des consommateurs ou à d’autres fins commerciales.
Par exemple, un économiste peut lisser les données pour faire des ajustements saisonniers pour certains indicateurs comme les ventes au détail en réduisant les variations qui peuvent survenir chaque mois comme les vacances ou les prix de l’essence.
Cependant, l’utilisation de cet outil présente des inconvénients. Le lissage des données ne fournit pas toujours une explication des tendances ou des modèles qu’il permet d’identifier. Cela peut également conduire à ignorer certains points de données en mettant l’accent sur d’autres.
Avantages
- Aide à identifier les tendances réelles en éliminant le bruit des données
- Permet des ajustements saisonniers des données économiques
- Facilement réalisé grâce à plusieurs techniques, y compris les moyennes mobiles
Les inconvénients
- La suppression des données s’accompagne toujours de moins d’informations à analyser, ce qui augmente le risque d’erreurs d’analyse
- Le lissage peut accentuer les biais des analystes et ignorer les valeurs aberrantes qui peuvent être significatives
Exemple de lissage des données dans la comptabilité financière
Un exemple souvent cité de lissage des données dans la comptabilité d’entreprise est de prévoir une provision pour créances douteuses pour modifier les créances irrécouvrables d’une période de déclaration à une autre. Par exemple, une entreprise s’attend à ne pas recevoir de paiement pour certains biens sur deux périodes comptables; 1 000 $ au cours de la première période de rapport et 5 000 $ au cours de la deuxième période de rapport.
Si l’on s’attend à ce que la première période de déclaration génère un revenu élevé, la société peut inclure le montant total de 6 000 $ comme provision pour créances douteuses au cours de cette période de déclaration. Cela augmenterait la charge pour créances irrécouvrables de l’état des résultats de 6 000 $ et réduirait le bénéfice net de 6 000 $. Cela aplanirait ainsi une période de revenu élevé en réduisant les revenus. Il est important pour les entreprises d’utiliser leur jugement et des méthodes comptables légales lors de l’ajustement de leurs comptes.