Obliczanie średniej ważonej obliczeniowej z wyprzedzeniem

Wyjaśnienie wykładniczej wygładzania. skopiuj Copyright. Treści w InventoryOps są chronione prawami autorskimi i nie są dostępne do ponownej publikacji. Kiedy ludzie po raz pierwszy napotykają termin Wygładzanie wykładnicze, mogą pomyśleć, że to brzmi jak piekło dużo wygładzenia. niezależnie od wygładzania. Następnie zaczynają sobie wyobrazić skomplikowane matematyczne obliczenia, które prawdopodobnie wymagają znajomości matematyki i mają nadzieję, że dostępna jest wbudowana funkcja programu Excel, jeśli kiedykolwiek będą tego potrzebować. Rzeczywistość wygładzania wykładniczego jest znacznie mniej dramatyczna i znacznie mniej traumatyczna. Prawda jest taka, że ​​wygładzanie wykładnicze jest bardzo prostym obliczeniem, które wykonuje raczej proste zadanie. To po prostu ma skomplikowaną nazwę, ponieważ to, co technicznie dzieje się w wyniku tych prostych obliczeń, jest w rzeczywistości nieco skomplikowane. Aby zrozumieć wykładnicze wygładzanie, warto zacząć od ogólnej koncepcji wygładzania i kilku innych popularnych metod stosowanych w celu uzyskania wygładzenia. Co to jest wygładzanie? Wygładzanie jest bardzo powszechnym procesem statystycznym. W rzeczywistości regularnie napotykamy wygładzone dane w różnych formach w naszym codziennym życiu. Za każdym razem, gdy używasz średniej do opisania czegoś, używasz wygładzonej liczby. Jeśli zastanowisz się, dlaczego używasz średniej do opisania czegoś, szybko zrozumiesz pojęcie wygładzania. Na przykład właśnie przeżyliśmy najcieplejszą zimę na płycie. W jaki sposób jesteśmy w stanie oszacować ten odbiór, rozpoczynamy od zestawów danych dotyczących dziennych wysokich i niskich temperatur w okresie, który nazywamy zimą w każdym roku w zarejestrowanej historii. Ale to pozostawia nam sporo liczb, które przeskakują dookoła (nie tak, jak każdego dnia ta zima była cieplejsza niż odpowiednie dni z poprzednich lat). Potrzebujemy liczby, która usuwa wszystkie te skoki z danych, abyśmy mogli łatwiej porównywać jedną zimę do następnej. Usunięcie przeskakiwania w danych nazywa się wygładzaniem iw tym przypadku możemy użyć zwykłej prostej do osiągnięcia wygładzenia. W prognozowaniu popytu używamy wygładzania, aby usunąć przypadkową zmienność (hałas) z naszego historycznego popytu. Dzięki temu możemy lepiej zidentyfikować wzorce popytu (głównie trend i sezonowość) oraz poziomy popytu, które można wykorzystać do oszacowania przyszłego popytu. Hałas na żądanie to taka sama koncepcja, jak codzienne przeskakiwanie danych o temperaturze. Nic dziwnego, że najczęstszym sposobem, w jaki ludzie usuwają hałas z historii popytu, jest użycie prostego przeciętnego lub konkretniej średniej ruchomej. Średnia ruchoma używa tylko predefiniowanej liczby okresów do obliczenia średniej, a te okresy przesuwają się wraz z upływem czasu. Na przykład, jeśli używam 4-miesięcznej średniej kroczącej, a dziś jest 1 maja, używam średniego popytu, które miało miejsce w styczniu, lutym, marcu i kwietniu. 1 czerwca będę korzystał z popytu od lutego, marca, kwietnia i maja. Średnia ważona ruchoma. Używając średniej, stosujemy to samo znaczenie (wagę) do każdej wartości w zbiorze danych. W 4-miesięcznej średniej ruchomej każdy miesiąc reprezentował 25 średniej ruchomej. Używając historii popytu do prognozowania przyszłego popytu (a zwłaszcza przyszłego trendu), logiczne jest stwierdzenie, że chcesz, aby nowsza historia miała większy wpływ na twoją prognozę. Możemy dostosować nasze obliczenia średniej ruchomej, aby zastosować różne wagi w każdym okresie, aby uzyskać pożądane wyniki. Wyrażamy te wagi jako wartości procentowe, a suma wszystkich wag dla wszystkich okresów musi sumować się do 100. Dlatego, jeśli zdecydujemy, że chcemy zastosować 35 jako wagę dla najbliższego okresu w naszej 4-miesięcznej ważonej średniej kroczącej, możemy odejmij 35 od 100, aby znaleźć 65 pozostałych do podzielenia na pozostałe 3 okresy. Na przykład możemy otrzymać wagę odpowiednio 15, 20, 30 i 35 przez 4 miesiące (15 20 30 35 100). Wygładzanie wykładnicze. Jeśli powrócimy do koncepcji stosowania wagi do najnowszego okresu (np. 35 w poprzednim przykładzie) i rozłożenia pozostałej masy (obliczonej przez odjęcie ostatniego okresu waga 35 od 100 do 65), mamy podstawowe elementy składowe naszego obliczania wykładniczego wygładzania. Wejście sterujące obliczania wykładniczego wygładzania jest znane jako współczynnik wygładzania (zwany także stałą wygładzania). Zasadniczo przedstawia to wagę zastosowaną do ostatnich okresów popytu. Tak więc, gdy użyliśmy 35 jako wagi dla ostatniego okresu w ważonej średniej ruchomej, możemy również użyć 35 jako współczynnika wygładzania w naszym wykładniczym wyliczaniu wygładzającym, aby uzyskać podobny efekt. Różnica z wykładniczym obliczaniem wygładzania polega na tym, że zamiast tego, abyśmy musieli obliczyć, o ile waga ma zastosowanie do każdego poprzedniego okresu, współczynnik wygładzania jest wykorzystywany do tego automatycznie. Oto część wykładnicza. Jeśli użyjemy 35 jako czynnika wygładzającego, waga ostatnich okresów będzie wynosić 35. Ważenie następnych ostatnich okresów popytu (okres przed ostatnim) wyniesie 65 z 35 (65 pochodzi z odjęcia 35 z 100). Oznacza to wagę 22,75 dla tego okresu, jeśli wykonujesz obliczenia matematyczne. Kolejne ostatnie okresy będą wynosić 65 z 65 z 35, co stanowi 14,79. Okres wcześniejszy będzie ważony jako 65 z 65 z 65 z 35, co równa się 9,61, i tak dalej. I to powraca przez wszystkie poprzednie okresy aż do początku czasu (lub punktu, w którym zacząłeś używać wygładzania wykładniczego dla tego konkretnego przedmiotu). Prawdopodobnie myślisz, że wygląda jak cała masa matematyki. Ale piękno wykładniczego obliczania wygładzania polega na tym, że zamiast przeliczać za każdy poprzedni okres za każdym razem, gdy otrzymujesz nowy okres, wystarczy użyć wyniku wykładniczego obliczenia wygładzania z poprzedniego okresu, aby przedstawić wszystkie poprzednie okresy. Czy jesteś jeszcze zdezorientowany? To będzie miało więcej sensu, gdy spojrzymy na rzeczywiste obliczenia. Zazwyczaj odnosimy się do wyjścia wykładniczego obliczania wygładzania jako następnej prognozy okresu. W rzeczywistości ostateczna prognoza wymaga trochę więcej pracy, ale dla celów tego konkretnego obliczenia będziemy ją nazywać prognozą. Obliczenia wygładzania wykładniczego są następujące: Ostatnie okresy wymagają pomnożenia przez współczynnik wygładzania. PLUS Ostatnia prognoza okresu pomnożona przez (jeden minus współczynnik wygładzania). D ostatnie okresy wymagają współczynnika wygładzania przedstawionego w postaci dziesiętnej (więc 35 będzie reprezentowane jako 0,35). F najświeższe prognozy okresów (wynik obliczeń wygładzających z poprzedniego okresu). OR (przyjmując współczynnik wygładzania 0,35) (D 0,35) (F 0,65) Nie robi się o wiele prostsze. Jak widać, wszystko, czego potrzebujemy na dane wejściowe tutaj, to najnowsze okresy popytu i najnowsze prognozy okresów. Stosujemy czynnik wygładzający (ważenie) do ostatnich okresów, tak jak w obliczeniach ważonej średniej ruchomej. Następnie stosujemy pozostałą wagę (1 minus współczynnik wygładzania) do ostatnich prognozowanych okresów. Ponieważ ostatnia prognoza okresu została utworzona na podstawie poprzednich okresów, prognozy popytu i poprzednich okresów, które opierały się na popycie za poprzedni okres i prognozę za poprzedni okres, na podstawie zapotrzebowania za okres wcześniejszy. oraz prognozę na okres wcześniejszy, który był oparty na okresie wcześniejszym. cóż, możesz zobaczyć, jak wszystkie poprzednie okresy popytu są reprezentowane w obliczeniach bez faktycznego cofania i ponownego przeliczania czegokolwiek. I to właśnie spowodowało początkową popularność wygładzania wykładniczego. Nie było tak dlatego, że lepiej wyrównało niż średnia ważona średnia ruchowa, ponieważ było to łatwiejsze do obliczenia w programie komputerowym. I dlatego, że nie trzeba było myśleć o tym, jakie ważenie ma dawać poprzednie okresy lub ile poprzednich okresów użyć, tak jak w ważonej średniej kroczącej. A ponieważ brzmiał po prostu chłodniej niż ważona średnia ruchoma. W rzeczywistości można argumentować, że ważona średnia ruchoma zapewnia większą elastyczność, ponieważ masz większą kontrolę nad ważeniem poprzednich okresów. Rzeczywistość jest jednym z nich może zapewnić godne wyniki, więc dlaczego nie pójść z łatwiejszym i chłodniejszym brzmieniem. Wygładzanie wykładnicze w Excelu Pozwala zobaczyć, jak to faktycznie wygląda w arkuszu kalkulacyjnym z prawdziwymi danymi. skopiuj Copyright. Treści w InventoryOps są chronione prawami autorskimi i nie są dostępne do ponownej publikacji. Na rysunku 1A mamy arkusz kalkulacyjny Excel z 11-tygodniowym zapotrzebowaniem i wykładniczo wygładzoną prognozą obliczoną na podstawie tego popytu. Zastosowałem współczynnik wygładzania równy 25 (0,25 w komórce C1). Aktualna aktywna komórka to Cell M4, która zawiera prognozę na tydzień 12. Na pasku formuły można zobaczyć formułę: (L3C1) (L4 (1-C1)). Tak więc jedynymi bezpośrednimi wejściami do tego obliczenia są poprzednie okresy popytu (komórka L3), poprzednie prognozy okresów (komórka L4) i czynnik wygładzający (komórka C1, pokazana jako bezwzględne odwołanie do komórki C1). Po rozpoczęciu obliczania wygładzania wykładniczego musimy ręcznie podłączyć wartość pierwszej prognozy. Tak więc w komórce B4 zamiast formuły wpisaliśmy popyt z tego samego okresu co prognoza. W komórce C4 mamy nasze pierwsze obliczenie wygładzania wykładniczego (B3C1) (B4 (1-C1)). Następnie możemy skopiować komórkę C4 i wkleić ją w komórkach od D4 do M4, aby wypełnić pozostałe komórki naszej prognozy. Możesz teraz kliknąć dwukrotnie dowolną komórkę prognozy, aby zobaczyć, że jest ona oparta na komórce z poprzednimi okresami prognozy i komórce z poprzednim okresem. Tak więc każde kolejne wykładnicze obliczanie wygładzania dziedziczy wyniki poprzedniej wykładniczej kalkulacji wygładzania. To, w jaki sposób zapotrzebowanie każdego poprzedniego okresu jest reprezentowane w ostatnich okresach obliczeń, mimo że obliczenia te nie odnoszą się bezpośrednio do tych poprzednich okresów. Jeśli chcesz mieć ochotę, możesz użyć funkcji precedersów Excela. Aby to zrobić, kliknij komórkę M4, a następnie na pasku narzędzi wstążki (Excel 2007 lub 2017) kliknij kartę Formuły, a następnie kliknij opcję Śledź wstępne. Będzie narysować linie łączące do pierwszego poziomu precedensów, ale jeśli będziesz nadal klikać Trace Precedents, narysuje linie łączące do wszystkich poprzednich okresów, aby pokazać dziedziczone relacje. Teraz zobaczmy, co dla nas wygładziło wykładnicze. Rysunek 1B pokazuje wykres liniowy naszego popytu i prognozy. Sprawa pokazuje, w jaki sposób wykładniczo wygładzona prognoza usuwa większość nierówności (przeskakiwania) z tygodniowego zapotrzebowania, ale wciąż udaje się śledzić tendencję wzrostową popytu. Zauważysz również, że wygładzona linia prognozy jest zwykle niższa niż linia popytu. Jest to znane jako opóźnienie trendu i jest efektem ubocznym procesu wygładzania. Za każdym razem, gdy używasz wygładzania, gdy trend jest obecny, twoja prognoza będzie opóźniona w stosunku do trendu. Dotyczy to dowolnej techniki wygładzania. W rzeczywistości, gdybyśmy kontynuowali ten arkusz kalkulacyjny i zaczęli wprowadzać mniejszą liczbę popytu (tworząc tendencję spadkową), zobaczylibyśmy spadek linii popytu, a linia trendu przesunęła się nad nią, zanim zacznie podążać za trendem spadkowym. To dlatego poprzednio wspomniałem o wynikach obliczeń wykładniczych wygładzania, które nazywamy prognozą, nadal wymaga jeszcze więcej pracy. Prognozowanie jest o wiele większe niż tylko wygładzenie popytu. Musimy wprowadzić dodatkowe korekty dotyczące takich zjawisk jak opóźnienie trendu, sezonowość, znane zdarzenia, które mogą wpływać na popyt itp. Ale to wszystko wykracza poza zakres tego artykułu. Najprawdopodobniej spotkasz się również z terminami wygładzania podwójnie wykładniczego i potrójnego wykładniczego. Warunki te są nieco mylące, ponieważ nie można wielokrotnie wygładzać popytu (możesz, jeśli chcesz, ale nie o to tutaj chodzi). Warunki te reprezentują wykorzystanie wygładzania wykładniczego dla dodatkowych elementów prognozy. Dzięki prostemu wygładzaniu wykładniczemu wyrównujesz zapotrzebowanie bazowe, ale dzięki wygładzeniu o podwójnej wykładniczce wygładzasz bazowy popyt i trend, a dzięki potrójnemu wykładniczemu wygładzasz podstawowe zapotrzebowanie plus trend i sezonowość. Drugim najczęściej zadawanym pytaniem o wygładzanie wykładnicze jest to, gdzie dostaję mój czynnik wygładzający. Nie ma tu magicznej odpowiedzi, musisz przetestować różne czynniki wygładzania danymi o zapotrzebowaniu, aby zobaczyć, co daje najlepsze wyniki. Istnieją obliczenia, które mogą automatycznie ustawiać (i zmieniać) współczynnik wygładzania. Spadają pod pojęciem adaptacyjnego wygładzania, ale trzeba z nimi uważać. Po prostu nie ma idealnej odpowiedzi i nie należy ślepo wprowadzać żadnych obliczeń bez dokładnego testowania i dokładnego zrozumienia tego, co to obliczenie robi. Powinieneś również uruchomić scenariusze typu "co, jeśli", aby zobaczyć, jak te obliczenia reagują na zmiany popytu, które obecnie nie istnieją w danych o popycie, których używasz do testowania. Przykład danych użyty wcześniej był bardzo dobrym przykładem sytuacji, w której naprawdę trzeba przetestować inne scenariusze. Ten konkretny przykład danych pokazuje nieco stałą tendencję wzrostową. Wiele dużych firm z bardzo drogim oprogramowaniem prognostycznym miało poważne kłopoty w niedalekiej przeszłości, kiedy ich ustawienia oprogramowania, które zostały ulepszone dla rozwijającej się gospodarki, nie zareagowały dobrze, gdy gospodarka zaczęła się stagnować lub kurczyć. Takie rzeczy zdarzają się, gdy nie rozumiesz, co faktycznie robią twoje obliczenia (oprogramowanie). Gdyby zrozumieli swój system prognostyczny, wiedzieliby, że muszą wskoczyć i coś zmienić, gdy nastąpią gwałtowne dramatyczne zmiany w ich działalności. Oto wyjaśnione są podstawy wygładzania wykładniczego. Chcesz dowiedzieć się więcej na temat korzystania z funkcji wygładzania wykładniczego w aktualnej prognozie, zapoznaj się z moją książką Objaśnienie zarządzania zasobami. skopiuj Copyright. Treści w InventoryOps są chronione prawami autorskimi i nie są dostępne do ponownej publikacji. Dave Piasecki. jest właścicielem operacyjnym Inventory Operations Consulting LLC. firma doradcza świadcząca usługi związane z zarządzaniem zapasami, obsługą materiałów i działalnością magazynową. Ma ponad 25 lat doświadczenia w zarządzaniu operacjami i można go uzyskać za pośrednictwem swojej strony internetowej (inwentaryzacji), gdzie utrzymuje dodatkowe istotne informacje. My Business You jesteś tutaj: Biblioteka wskaźników gt Średnia ruchoma Średnia ruchoma Średnia ruchoma służy do wygładzania trendów. oferuje trzy różne typy średnich kroczących. Prosta średnia ruchoma daje taką samą wagę każdemu punktowi danych w danym okresie. Jeśli okres wynosi 3, a ostatnie trzy punkty danych to 3, 4 i 5, ostatnia średnia wartość będzie wynosić (345) 34 (podzielić przez trzy, ponieważ istnieją trzy punkty danych). Wykładnicza średnia ruchoma (EMA), czasami nazywana również średnią kroczącą z wykładniczą wykładnią (EWMA), stosuje współczynniki ważące, które zmniejszają się wykładniczo. Współczynnik ważenia dla każdego starszego punktu danych zmniejsza się wykładniczo, nadając znacznie większe znaczenie ostatnim obserwacjom, a jednocześnie nie odrzucając wcześniejszych obserwacji. Całkowicie ważona z wyprzedzeniem, podobnie jak średnia wykładnicza, pozwala uśrednić najnowsze dane, aby wpłynąć na średnią wartość większą niż starsza. dane. Jest on obliczany inaczej niż średnie wykładnicze, ale daje także większą wagę aktualnym danym. 5-krotna przednia ważona średnia jest obliczana następująco (C to najnowszy słupek, C4 to 4 taktyki temu): Frontowa średnia ważona ((C5) (C14) (C23) (C32) C4) 15 Możesz zobaczyć, jak różne uśredniające typy dają różne wyniki. Wszystkie trzy średnie są nanoszone za pomocą okresu 30 prostych (czerwony), wykładniczy (cyjan) z przodu ważone (żółty). Ponadto można wybrać, który element ceny ma zostać użyty do obliczenia średniej: 160, zerowa, otwarta, wysoka, niska lub typowa cena. Średnie ruchome mają parametr przesunięcia, który umożliwia przesunięcie średniego wykresu w przód lub w tył (wartość ujemnego przesunięcia). Pozwala to na wykreślić to, co zwykle określa się jako średnie przesunięte. Przeczytaj więcej na temat przesuniętych średnich kroczących w Investopedia. Prześlij wszystkie pytania i komentarze do opinii. Jeśli potrzebujesz pomocy technicznej, skontaktuj się z naszym działem wsparcia technicznego. Copyright 2018 by WordenWeighted Średnie kroczące: podstawy Z biegiem lat technicy znaleźli dwa problemy z prostą średnią kroczącą. Pierwszy problem leży w przedziale czasowym średniej ruchomej (MA). Większość analityków technicznych uważa, że ​​działania cenowe. cena otwarcia lub zamknięcia akcji nie jest wystarczająca, na czym można polegać, jeśli chodzi o właściwe przewidywanie sygnałów kupna lub sprzedaży akcji crossoveru MA. Aby rozwiązać ten problem, analitycy przypisują teraz większą wagę najnowszym danym cenowym za pomocą wykładniczo wygładzonej średniej ruchomej (EMA). (Dowiedz się więcej w Eksplorowanie wykładniczo ważonej średniej ruchomej). Przykład Przykład Na przykład przy użyciu 10-dniowego MA, analityk podjąłby cenę zamknięcia 10 dnia i pomnożył tę liczbę przez 10, dziewiąty dzień po dziewiątej, ósmy dzień po ósmym i tak dalej do pierwszego z MA. Po ustaleniu całkowitej liczby analityk dzieli tę liczbę przez dodanie mnożników. Jeśli dodasz mnożniki 10-dniowego przykładu MA, liczba ta wynosi 55. Ten wskaźnik jest nazywany liniowo ważoną średnią kroczącą. (Aby zapoznać się z czytaniem, zobacz Proste średnie ruchome Wyróżnij trendy.) Wielu techników jest zdecydowanymi wyznawcami wykładniczo wygładzonej średniej kroczącej (EMA). Wskaźnik ten został wyjaśniony na wiele różnych sposobów, co dezorientuje zarówno studentów, jak i inwestorów. Być może najlepsze wyjaśnienie pochodzi z John J. Murphys Analiza techniczna rynków finansowych (opublikowanej przez New York Institute of Finance, 1999): Wykładniczo wygładzona średnia ruchoma rozwiązuje oba problemy związane z prostą średnią kroczącą. Po pierwsze wykładnicza średnia wygładzona przypisuje większą wagę nowszym danym. Dlatego jest to ważona średnia ruchoma. Ale podczas gdy przypisuje ona mniejszą wagę do danych dotyczących przeszłych cen, uwzględnia w swoich obliczeniach wszystkie dane z życia instrumentu. Ponadto użytkownik może dostosować wagę, aby nadać większą lub mniejszą wagę najnowszej cenie dni, która jest dodawana do wartości procentowej wartości z poprzednich dni. Suma obu wartości procentowych wynosi do 100. Na przykład cenę za ostatnie dni można przypisać wagę 10 (.10), która jest dodawana do wagi wcześniejszych dni wynoszącej 90 (.90). Daje to ostatni dzień 10 łącznej wagi. Byłoby to równowartość średniej z 20 dni, dając cenę z ostatnich dni mniejszą wartość 5 (.05). Rysunek 1: Średnia ruchoma wygładzona wykładniczo Powyższa tabela przedstawia indeks złożony Nasdaq z pierwszego tygodnia od sierpnia 2000 r. Do 1 czerwca 2001 r. Jak widać wyraźnie, EMA, która w tym przypadku wykorzystuje dane o cenie zamknięcia okres dziewięciu dni, ma określone sygnały sprzedaży na 8 września (oznaczone czarną strzałką w dół). Był to dzień, w którym indeks spadł poniżej poziomu 4000. Druga czarna strzałka pokazuje kolejną nogę, której technicy naprawdę oczekiwali. Nasdaq nie mógł wygenerować wystarczającej ilości i odsetek od inwestorów detalicznych, aby przełamać 3.000 punktów. Następnie spadł ponownie do poziomu 1619.58 w kwietniu 4. Trend wzrostowy z 12 kwietnia zaznaczono strzałką. Tutaj indeks zamknął się na poziomie 1 961,46, a technicy zaczęli postrzegać menedżerów funduszy instytucjonalnych, którzy zaczęli zdobywać okazje, takie jak Cisco, Microsoft i niektóre kwestie związane z energią. (Przeczytaj nasze powiązane artykuły: Przenoszenie przeciętnych kopert: Udoskonalanie popularnego narzędzia do handlu i Przenoszenie średniej bounce).