Prognoza ważona ruchoma średnia

Przenoszenie średniej prognozy wstępnej. Jak można się domyślić, patrzymy na niektóre z najbardziej prymitywnych podejść do prognozowania. Miejmy nadzieję, że są to przynajmniej wartościowe wprowadzenie do niektórych problemów informatycznych związanych z wdrażaniem prognoz w arkuszach kalkulacyjnych. W tym duchu będziemy kontynuować od początku i zacząć pracę z prognozami średniej ruchomej. Średnie prognozy ruchome. Wszyscy znają średnie ruchome prognozy, niezależnie od tego, czy uważają, że są. Wszyscy studenci robią to cały czas. Pomyśl o swoich wynikach testowych na kursie, w którym będziesz miał cztery testy w trakcie semestru. Załóżmy, że masz 85 na pierwszym teście. Co byś przewidział dla swojego drugiego wyniku testu Jak sądzisz, co Twój nauczyciel przewidział dla twojego następnego wyniku testu Co twoim zdaniem mogą przewidzieć twoi znajomi dla twojego następnego wyniku testu Co twoim zdaniem rodzice mogą przewidzieć dla twojego następnego wyniku testu Niezależnie od wszystko, co możesz zrobić swoim przyjaciołom i rodzicom, oni i twój nauczyciel najprawdopodobniej oczekują, że dostaniesz coś w okolicy 85, którą właśnie dostałeś. Teraz załóżmy, że pomimo twojej autopromocji dla twoich przyjaciół, przeinaczasz siebie i wyobrażasz sobie, że możesz mniej uczyć się na drugi test, a więc dostajesz 73. Teraz, co się dzieje z tymi wszystkimi zainteresowanymi i beztroskimi? spodziewaj się, że dostaniesz swój trzeci test. Istnieją dwa bardzo prawdopodobne podejścia do opracowania oszacowania, niezależnie od tego, czy podzielą się nim z tobą. Mogą powiedzieć sobie: "Ten facet zawsze dmucha o swoich sprytach. Zamierza uzyskać kolejne 73, jeśli ma szczęście. Może rodzice będą starali się być bardziej pomocni i powiedzieć: "Cóż, jak dotąd dostałeś 85 i 73, więc może powinieneś pomyśleć o zdobyciu czegoś" (85 73) 2 79. Nie wiem, może gdybyś mniej imprezował i nie kręcili weasel w całym miejscu i jeśli zacząłeś robić o wiele więcej nauki, możesz uzyskać wyższy wynik. Oba te szacunki są w rzeczywistości średnią ruchomą. Pierwszym z nich jest wykorzystanie tylko ostatniego wyniku do prognozowania przyszłej skuteczności. Jest to tak zwana prognoza średniej ruchomej z użyciem jednego okresu danych. Drugi to również prognoza średniej ruchomej, ale z wykorzystaniem dwóch okresów danych. Załóżmy, że wszyscy ci ludzie, którzy wpadają w twój wielki umysł, trochę cię wkurzyli i postanawiasz zrobić dobrze w trzecim teście z własnych powodów i wystawić wyższy wynik przed swoimi cytatami. Poddajesz się testowi, a twój wynik to w rzeczywistości 89 Każdy, łącznie z tobą, jest pod wrażeniem. Teraz masz już ostatni test semestru i jak zwykle czujesz potrzebę nakłonienia wszystkich do przedstawienia swoich przewidywań na temat ostatniego testu. Mam nadzieję, że widzisz ten wzór. Miejmy nadzieję, że widać wzór. Co według ciebie jest najdokładniejszym Gwizdkiem, podczas gdy my pracujemy. Teraz wracamy do naszej nowej firmy sprzątającej rozpoczętej przez twoją siostrę o imieniu Whistle While We Work. Masz kilka poprzednich danych dotyczących sprzedaży reprezentowanych w poniższej sekcji z arkusza kalkulacyjnego. Najpierw przedstawiamy dane dla trzyzmianowej prognozy średniej ruchomej. Wpis dla komórki C6 powinien być teraz. Teraz możesz skopiować tę formułę komórki do innych komórek od C7 do C11. Zwróć uwagę, jak średnia porusza się po najnowszych danych historycznych, ale używa dokładnie trzech ostatnich okresów dostępnych dla każdej prognozy. Powinieneś również zauważyć, że tak naprawdę nie musimy tworzyć prognoz dla przeszłych okresów, aby rozwinąć naszą najnowszą prognozę. To zdecydowanie różni się od wykładniczego modelu wygładzania. Podaję prognozy cudzysłowów, ponieważ użyjemy ich na następnej stronie internetowej do pomiaru trafności prognozy. Teraz chcę przedstawić analogiczne wyniki dla dwuletniej prognozy średniej ruchomej. Wpis dla komórki C5 powinien być teraz. Teraz możesz skopiować tę formułę komórki do innych komórek od C6 do C11. Zwróć uwagę, jak teraz dla każdej prognozy są używane tylko dwa najnowsze dane historyczne. Ponownie uwzględniłem prognozy quotpast dla celów ilustracyjnych i do późniejszego wykorzystania w walidacji prognoz. Kilka innych rzeczy, o których należy pamiętać. Dla prognozy średniej ruchomej z okresu m do prognozowania wykorzystuje się tylko m najnowsze wartości danych. Nic więcej nie jest konieczne. Dla prognozy średniej ruchomej okresu m, podczas dokonywania prognozy quotpast, zauważ, że pierwsza prognoza ma miejsce w okresie m 1. Oba te problemy będą bardzo istotne, gdy opracujemy nasz kod. Opracowanie średniej ruchomej funkcji. Teraz musimy opracować kod dla średniej ruchomej prognozy, która może być wykorzystywana bardziej elastycznie. Kod następuje. Zauważ, że dane wejściowe odnoszą się do liczby okresów, których chcesz użyć w prognozie i tablicy wartości historycznych. Możesz przechowywać go w dowolnym skoroszycie, który chcesz. Funkcja MovingAverage (Historyczne, NumberOfPeriods) Jako pojedyncze zadeklarowanie i inicjalizacja zmiennych Dim Pozycja jako zmienny licznik wymiaru jako całkowita liczba wymiarów Dim Dimit as Single Dim HistoricalSize jako liczba całkowita Inicjowanie zmiennych Counter 1 Akumulacja 0 Określanie rozmiaru tablicy historycznej HistoricalSize Historical. Count dla licznika 1 na NumberOfPeriods Kumulacja odpowiedniej liczby ostatnio obserwowanych wartości Akumulacja akumulacja Historycznie (HistoricalSize - NumberOfPeriods Counter) MovingAverage Accumulation NumberOfPeriods Kod zostanie wyjaśniony w klasie. Chcesz umieścić funkcję w arkuszu kalkulacyjnym, aby wynik obliczeń pojawiał się w miejscu, w którym powinien się podążać. Wyrównany ruchomy średni kalkulator Mając listę sekwencyjnych danych, możesz skonstruować n-punktową średnią ważoną ruchomą średnią (lub ważoną średnią kroczącą ) przez znalezienie średniej ważonej każdego zestawu n kolejnych punktów. Załóżmy na przykład, że masz uporządkowany zestaw danych 10, 11, 15, 16, 14, 12, 10, 11, a wektor ważący to 1, 2, 5, gdzie 1 jest stosowany do najstarszego terminu, 2 jest stosowane do środkowy okres, a 5 odnosi się do ostatniego terminu. Następnie ważona 3-punktowa średnia krocząca wynosi 13,375, 15,125, 14,625, 13, 11, 10,875 Ważone średnie ruchome są używane do wygładzania danych sekwencyjnych, jednocześnie nadając większe znaczenie określonym warunkom. Niektóre średnie ważone przypisują większą wartość środkom, podczas gdy inne preferują bardziej aktualne warunki. Analitycy giełdowi często wykorzystują liniowo ważoną n-punktową średnią ruchomą, w której wektor ważący wynosi 1, 2. n-1. n. Możesz użyć poniższego kalkulatora, aby obliczyć średnią ważoną kroczącą zbioru danych za pomocą danego wektora wag. (W przypadku kalkulatora wpisz ciężary jako oddzieloną przecinkami listę liczb bez nawiasów i.) Liczba terminów w ważonej średniej ruchomej punktu n Jeśli liczba terminów w oryginalnym zestawie to d i liczba terminów użytych w każda średnia wynosi n (tzn. długość wektora masy wynosi n), wtedy liczba terminów w średniej ruchomej sekwencji będzie Na przykład, jeśli masz sekwencję 120 cen akcji i weź 21-dniową średnią ważoną średnią kroczącą ceny, następnie ważona średnia krocząca będzie miała 120-21 211 punktów danych. Co oznacza, że ​​różnica między średnią kroczącą a średnią ważoną średnią kroczącą A, w oparciu o powyższe ceny, zostanie obliczona przy użyciu następującego wzoru: : Na podstawie powyższego równania średnia cena w wyżej wymienionym okresie wyniosła 90,66. Używanie średnich kroczących jest skuteczną metodą eliminowania silnych wahań cen. Ograniczeniem jest to, że punkty danych ze starszych danych nie są ważone inaczej niż punkty danych w pobliżu początku zestawu danych. Tu zaczynają grać ważone średnie ruchome. Średnie ważone przypisują większą wagę do bardziej aktualnych punktów danych, ponieważ są bardziej istotne niż dane z odległej przeszłości. Suma ważenia powinna wynosić maksymalnie 1 (lub 100). W przypadku prostej średniej kroczącej wagi są równomiernie rozłożone, dlatego nie są pokazane w powyższej tabeli. Cena zamknięcia AAPL