Exponenciální vyhlazování je přístup k vyhlazování dat časové řady pomocí exponenciálně váženého klouzavého průměru (EWMA). Používá se k předpovědi úrovní výstupu a k identifikaci jakýchkoli základních trendů, sezónnosti nebo cyklického chování v sadě dat. Lze jej použít pro krátkodobé i dlouhodobé předpovědi.
Hlavní myšlenkou exponenciálního vyhlazování je dát novějším datovým bodům větší váhu při výpočtu prognózy než starším datovým bodům. To se provádí přiřazením exponenciálně klesajících vah datovým bodům, jak se dostávají dále zpět v posloupnosti hodnot. Původním nejstarším datovým bodům v sekvenci je přiřazena nejmenší váha, zatímco nejnovějším datovým bodům v sekvenci je přiřazena nejvyšší váha.
Metodu lze použít k předpovídání hodnot s jedním vyhlazovacím parametrem pro celý soubor dat nebo s více vyhlazovacími parametry, které v datech odpovídají různým sezónním obdobím nebo prázdninovým obdobím. To umožňuje, aby byl algoritmus velmi flexibilní, pokud jde o práci s daty, která mají zajímavé vzory nebo cykly.
Exponenciální vyhlazování se používá v mnoha aplikacích, včetně plánování zásob, předpovídání prodeje a poptávky zákazníků a navrhování ekonomických modelů. Se svým důrazem na aktuální data je zvláště efektivní pro pozorování trendů s daty, která zažívají rychlé změny v krátkém čase. Má výhodu v tom, že jde o relativně jednoduchou techniku s jasnými parametry a rozumnými výpočty a zároveň je velmi efektivní.