Moving Average Forecasting. Introduction Som du kanskje antar vi ser på noen av de mest primitive tilnærmingene til prognoser, men forhåpentligvis er disse minst en verdig innføring i noen av databehandlingsproblemene knyttet til implementering av prognoser i regneark. I denne venen fortsetter vi med begynner i begynnelsen og begynner å jobbe med Moving Average Forecasts. Moving Average Forecasts Alle er kjent med å flytte gjennomsnittlige prognoser, uavhengig av om de tror de er Alle studenter gjør dem hele tiden Tenk på testpoengene dine i et kurs der du skal ha fire tester i løpet av semesteret. La oss anta at du fikk en 85 på din første test. Hva ville du forutsi for din andre test score. Hva tror du at din lærer ville forutsi for din neste test score. Hva tror du vennene dine kan forutsi for din neste test score. Hva tror du at foreldrene dine kan forutsi for din neste testscore. Uansett hvilken blabbing du kan gjøre til din fr Jeg og foreldrene mine, de og din lærer, er veldig sannsynlig å forvente deg å få noe i det 85 du nettopp har fått. Vel, la oss nå anta at til tross for selvforfremmelse til vennene dine, overestimerer du deg selv og finne ut at du kan studere mindre for den andre testen, og så får du en 73. Nå er det alle de bekymrede og ubekymrede kommer til å forutse at du kommer på den tredje testen. Det er to svært sannsynlige tilnærminger for dem å utvikle et estimat uavhengig av om de vil dele det med deg. De kan si til seg selv: Denne fyren blåser alltid røyk om hans smarts. Han kommer til å få en annen 73 hvis han er heldig. Måtte foreldrene forsøke å være mer støttende og si, vel, så langt du har fått en 85 og en 73, så kanskje du burde finne ut på å få en 85 73 2 79 Jeg vet ikke, kanskje hvis du gjorde mindre fester og ikke ville veksle vevet over alt, og hvis du begynte å gjøre en mye mer å studere du kan få en høyere score. Både disse estimatene er faktiske Den bevegelige gjennomsnittlige prognosen. Den første bruker bare din siste poengsum for å prognose din fremtidige ytelse. Dette kalles en gjennomsnittlig gjennomsnittlig prognose ved hjelp av en dataperiode. Den andre er også en flytende gjennomsnittlig prognose, men bruker to perioder med data. at alle disse menneskene bråser på ditt store sinn, har slags pisset deg av og du bestemmer deg for å gjøre det bra på den tredje testen av dine egne grunner og å sette en høyere poengsum foran dine allierte. Du tar testen og poengsummen din er egentlig en 89 Alle, inkludert deg selv, er imponert. Så nå har du den endelige testen av semesteret som kommer opp, og som vanlig føler du behovet for å få alle til å gjøre sine spådommer om hvordan du skal gjøre på den siste testen. Vel, forhåpentligvis ser du pattern. Now, forhåpentligvis kan du se mønsteret som tror du er den mest nøyaktige. Whistle Mens vi jobber nå, går vi tilbake til vårt nye rengjøringsfirma som startet av din fremmedgjorte halv søster, kalt Whistle While we Work Du har noen tidligere salgsdata representert av følgende seksjon fra et regneark Vi presenterer først dataene for en tre-års glidende gjennomsnittlig prognose. Oppføringen for celle C6 skal være. Nå kan du kopiere denne celleformelen ned til de andre cellene C7 til og med C11. Notat hvordan gjennomsnittet beveger seg over de nyeste historiske dataene, men bruker nøyaktig de tre siste perioder som er tilgjengelige for hver prediksjon. Du bør også legge merke til at vi ikke virkelig trenger å gjøre spådommene for de siste perioder for å utvikle vår siste prediksjon. Dette er definitivt forskjellig fra eksponensiell utjevningsmodell Jeg har inkludert de siste spådommene fordi vi vil bruke dem på neste nettside for å måle prediksjonens gyldighet. Nå vil jeg presentere de analoge resultatene for en to-års glidende gjennomsnittlig prognose. Oppføringen for celle C5 skal være. Nå kan kopiere denne celleformelen ned til de andre cellene C6 til C11. Notat hvor nå blir bare de to siste stykkene av historiske data brukt for hver prediksjon igjen, jeg har med d de siste spådommene for illustrative formål og for senere bruk i prognose validering. Som andre ting som er viktig å legge merke til. For en m-periode beveger gjennomsnittlig prognose bare de nyeste dataverdiene er brukt til å foreta prognosen Ingenting annet er nødvendig. For en m-periode som går i gjennomsnitt, vil prognosen ved første forsinkelse oppstå i perioden m 1.Bet av disse problemene vil være svært viktig når vi utvikler vår kode. Utvikle den bevegelige gjennomsnittsfunksjonen Nå må vi utvikle koden for den bevegelige gjennomsnittlige prognosen som kan brukes mer fleksibelt Koden følger Legg merke til at inngangene er for antall perioder du vil bruke i prognosen og rekke historiske verdier. Du kan lagre den i hvilken arbeidsbok du vil. Funksjon MovingAverage Historical, NumberOfPeriods Som Single Declaration og initialisering av variabler Dim Item Som variant Dim Counter Som Integer Dim Akkumulering Som Single Dim HistoricalSize Som Integer. Initialisering av variabler Teller 1 Akkumulering 0. Bestemme størrelsen på Historisk matrise HistoricalSize. For Counter 1 til NumberOfPeriods. Akkumulere riktig antall siste tidligere observerte verdier. Akkumulasjonsakkumulering Historisk Historisk størrelse - AntallOfPeriods Counter. MovingAverage AkkumuleringsnummerOfPeriods. Koden vil bli forklart i klassen. Du vil plassere funksjonen på regnearket slik at resultatet av beregningen vises der den skal som følgende. Moving Average. This eksempel lærer deg hvordan du beregner det bevegelige gjennomsnittet av en tidsserie i Excel. Et glidende gjennomsnitt brukes til å utjevne uregelmessigheter topper og daler for å enkelt gjenkjenne trender. Først, la oss ta en titt på vår tidsserier.2 På Data-fanen klikker du Data Analysis. Note kan ikke finne Data Analysis-knappen Klikk her for å laste Analysis ToolPak add-in.3 Velg Moving Average og klikk OK.4 Klikk i feltet Innmatningsområde og velg rekkevidde B2 M2.5 Klikk i intervallboksen og skriv inn 6.6 Klikk i feltet Output Range og velg celle B3.8 Plot en graf av disse verdiene. Planlegging fordi vi stiller intervallet t o 6 er det bevegelige gjennomsnittet gjennomsnittet for de forrige 5 datapunktene og det nåværende datapunktet. Resultatet blir at toppene og dalene blir utjevnet. Grafen viser en økende trend. Excel kan ikke beregne det bevegelige gjennomsnittet for de første 5 datapunktene fordi det er ikke nok tidligere datapunkter.9 Gjenta trinnene 2 til 8 for intervall 2 og intervall 4. Konklusjon Jo større intervallet jo flere tverrene og daler utjevnes. Jo mindre intervallet jo nærmere de bevegelige gjennomsnittene er til de faktiske dataene poeng. Gjennomsnittlig gjennomsnitt Hva er de. Sammen med de mest populære tekniske indikatorene, er glidende gjennomsnitt brukt til å måle retningen for den nåværende trenden. Hver type bevegelige gjennomsnitt som vanligvis skrives i denne opplæringen som MA er et matematisk resultat som beregnes ved å beregne et tall av tidligere datapunkter Når det er bestemt, blir det resulterende gjennomsnittet plottet på et diagram for å tillate handelsmenn å se på glatt data i stedet for å fokusere på de daglige prisfluktuasjonene t hatten er iboende i alle finansmarkeder. Den enkleste formen for et bevegelige gjennomsnitt, passende kjent som et enkelt bevegelig gjennomsnittlig SMA, beregnes ved å ta det aritmetiske gjennomsnittet av et gitt sett med verdier. For eksempel å beregne et grunnleggende 10-dagers glidende gjennomsnitt du vil legge opp sluttkursene fra de siste 10 dagene og deretter dele resultatet med 10 I figur 1 er summen av prisene for de siste 10 dagene 110 delt med antall dager 10 for å komme til 10-dagers gjennomsnittet Hvis en forhandler ønsker å se et 50-dagers gjennomsnitt i stedet, vil samme type beregning bli gjort, men det vil inkludere prisene de siste 50 dagene. Det resulterende gjennomsnittet under 11 tar hensyn til de siste 10 datapunktene for å gi forhandlere en ide om hvordan en eiendel er priset i forhold til de siste 10 dagene. Kanskje du lurer på hvorfor tekniske handelsfolk kaller dette verktøyet et bevegelige gjennomsnitt og ikke bare en vanlig gjennomsnitt. Svaret er at når nye verdier blir tilgjengelige, må de eldste datapunktene bli droppet fra settet og nye datapunkter må komme inn for å erstatte dem. Dermed går datasettet kontinuerlig til å regne for nye data etter hvert som den blir tilgjengelig. Denne beregningsmåten sikrer at bare den nåværende informasjonen blir regnskapsført. I figur 2, når den nye verdien av 5 legges til settet, flyttes den røde boksen som representerer de siste 10 datapunktene til høyre og den siste verdien av 15 blir tapt fra beregningen Fordi den relativt små verdien av 5 erstatter høyverdien på 15, ville du forvente å se gjennomsnittet av datasettet minker, som det gjør, i dette tilfellet fra 11 til 10.Hva flytte gjennomsnitt ser ut Når først verdiene til MA har blitt beregnet, plottes de på et diagram og deretter kobles til for å skape et glidende gjennomsnitt linje Disse svingete linjene er vanlige på diagrammer av tekniske handelsfolk, men hvordan de brukes kan variere drastisk mer på dette senere. Som du kan se på Figur 3, er det mulig å legge til mer enn ett glidende gjennomsnitt i et diagram ved å justere nummeret av ti mine perioder som brukes i beregningen Disse svingete linjene kan virke distraherende eller forvirrende først, men du vil bli vant til dem når tiden går. Den røde linjen er bare gjennomsnittsprisen de siste 50 dagene, mens den blå linjen er gjennomsnittsprisen i løpet av de siste 100 dagene. Nå som du forstår hva et bevegelig gjennomsnitt er og hvordan det ser ut, vil vi introdusere en annen type bevegelige gjennomsnitt og undersøke hvordan det adskiller seg fra det tidligere nevnte enkle glidende gjennomsnittet. Det enkle glidende gjennomsnittet er ekstremt populært blant handelsfolk, men som alle tekniske indikatorer, har det kritikere. Mange individer hevder at bruken av SMA er begrenset fordi hvert punkt i dataserien vektes det samme, uavhengig av hvor det forekommer i sekvensen. Kritikere hevder at de mest Nylige data er mer signifikante enn de eldre dataene, og bør ha større innflytelse på sluttresultatet. På grunn av denne kritikken begynte handelsmenn å gi mer vekt på nyere data, som h som siden førte til oppfinnelsen av ulike typer nye gjennomsnitt, hvorav den mest populære er det eksponentielle glidende gjennomsnittet EMA. For videre lesing, se Grunnleggende om vektede bevegelige gjennomsnitt og hva er forskjellen mellom en SMA og en EMA. Eksponensiell flytende gjennomsnittlig eksponentiell glidende gjennomsnitt er en type bevegelige gjennomsnitt som gir mer vekt til de siste prisene i et forsøk på å gjøre det mer responsivt til ny informasjon. Læring den noe kompliserte ligningen for å beregne en EMA kan være unødvendig for mange handelsfolk, siden nesten alle kartleggingspakker gjør beregninger for deg Men for deg matte geeks der ute, her er EMA ligningen. Når du bruker formelen til å beregne det første punktet til EMA, kan du merke at det ikke er noen verdi tilgjengelig for å bruke som forrige EMA. Dette lille problemet kan løses ved å starte beregningen med et enkelt glidende gjennomsnitt og fortsetter videre med formelen ovenfor. Vi har gitt deg et prøveark som inneholder re al-life eksempler på hvordan å beregne både et enkelt bevegelige gjennomsnitt og et eksponentielt glidende gjennomsnitt. Forskjellen mellom EMA og SMA Nå som du har en bedre forståelse av hvordan SMA og EMA beregnes, la oss se på hvordan disse gjennomsnittene er forskjellige Ved å se på beregningen av EMA vil du legge merke til at det legges større vekt på de siste datapunktene, noe som gjør det til en type vektet gjennomsnitt. I figur 5 er antall tidsperioder brukt i hvert gjennomsnitt identisk med 15, men EMA reagerer raskere på de endrede prisene Legg merke til hvordan EMA har en høyere verdi når prisen stiger, og faller raskere enn SMA når prisen senker. Denne responsiviteten er den viktigste grunnen til at mange handelsmenn foretrekker å bruke EMA over SMA. What er de forskjellige dagene Gjennomsnittlig Flytte gjennomsnitt er en helt tilpassbar indikator, noe som betyr at brukeren fritt kan velge hvilken tidsramme de vil ha når man lager gjennomsnittet. De vanligste tidsperioder som brukes i flytting gjennomsnitt er 15, 20, 30, 50, 100 og 200 dager. Jo kortere tidsrammen brukes til å skape gjennomsnittet, desto mer følsomt blir det for prisendringer. Jo lengre tidsrom, desto mindre følsomt eller mer utglattet, er det gjennomsnittlig vil være Det er ingen riktig tidsramme som skal brukes når du oppretter dine bevegelige gjennomsnitt. Den beste måten å finne ut hvilken som passer best for deg, er å eksperimentere med en rekke forskjellige tidsperioder til du finner en som passer til din strategi.
No comments:
Post a Comment