시계열자료에서 어떤 변수의 불규칙변동이 크다면, 그 변수의 분산이 크다.
분산이 크다면 예측함에 있어 오차도 크게 나타난다. 그러므로 시계열자료로부터 미래상황을 정확하게
예측하기 위해서는 불규칙변동이 작아야 한다.

따라서 시계열분석에서 불규칙변동을 통제하거나 제거할 수 있다면 각 변동요인에 대한 추정은
신뢰성을 갖게 된다. 시계열자료에서 불규칙변동요인을 통제하고 추세, 순환, 계절변동요인을 파악하기
위하여 본래 자료값을 변환시키는 방법이 평활법이다.

그런데 대표적인 평활법으로 이동평균법 (Moving Average method) 과 지수평활법 (Exponential Smoothing

method)이 있다. 이동평균법에 대하여 살펴보자.

시계열자료로부터 일정한 기간에 해당하는 자료 값을 묶어 반복해서 산술평균을 구하면
새로운 시계열자료를 얻을 수 있다. 이러한 새로운 시계열자료를 구하는 방법을 이동평균법이라 한다.
원래 시계열자료는 변화가 많아 들쭉날쭉한 자료값을 갖는데 이동평균은 원 자료에 숨겨진 어떤 추세 경향을
개괄적으로 파악할 수 있게 한다.

이동평균법 (Moving Average method)은 시계열의 연속적인 관측치를 평균화하여 데이터를 평활한다.
이 절차는 데이터에 추세 성분이 없는 경우에 사용할 수 있다. 계절 성분이 있는 경우 계절 주기와 같은 길이의
이동평균 (Moving Average)을 사용한다.

예측값의 길이는 짧으며, 프로파일은 직선이다