時系列需要予測モデル（指数平滑法）の特徴

指数平滑法（Exponential Smoothing）は、予測値 F_{t+1} ＝ α・A_t ＋ (1－α)・F_t（α: 平滑化定数, 0＜α＜1）で表され、過去の実績値よりも直近の実績値ほど指数関数的に大きな重みを与えて予測する手法です。直近の需要動向を強く反映させたい場合に有効です。 ア：平均期間を長くするほどデータが平滑化され、短期的な変化の影響は小さく（鈍く）なります。 イ：移動平均法は長期的トレンドの把握に向き、直近の急激な変化には遅れて反応します。 ウ：平滑化定数 α が 1 に近いほど直前の実績値 A_t を重視し、0 に近いほど過去の予測値（履歴）を重視します。 エ：正しい。直近の実績値を重視して需要予測を行うのに有効な手法です。

様々な需要予測モデルのもととなっている時系列モデルに関する記述として，適切なものはどれか。

出典令和7年度 春期 応用情報技術者試験 午前 問74
ア
移動平均法では，平均する期間を長くするほど，短期的な需要の変化の影響が大きくなる。
イ
移動平均法は，長期的な需要のトレンドを把握するのには向かないが，直近の需要の変化を把握するのには向いている。
ウ
指数平滑法では，平滑化定数の値が0に近いほど直前の実績値を重視し，1に近いほど過去の実績値を重視する。
エ
指数平滑法は，過去の実績値よりも直近の実績値を用いるほど予測の精度が向上すると考えられる場合に有効な手法である。