Moving Average Prognose Excel

Moving Average. This Beispiel lehrt Sie, wie man den gleitenden Durchschnitt einer Zeitreihe in Excel berechnen Ein gleitender Durchschnitt wird verwendet, um Unregelmäßigkeiten Peaks und Täler zu glätten, um Trends leicht zu erkennen.1 Zuerst lassen Sie uns einen Blick auf unsere Zeitreihe Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis finden Sie die Schaltfläche Datenanalyse Klicken Sie hier, um das Analyse-ToolPak-Add-In zu laden. 3. Wählen Sie Gleitender Durchschnitt und klicken Sie auf OK.4 Klicken Sie in das Feld Eingabebereich und wählen Sie den Bereich B2 M2. 5 Klicken Sie in das Feld Intervall und geben Sie ein. 6.6 Klicken Sie in das Feld Ausgabebereich und wählen Sie Zelle B3.8 Zeichnen Sie einen Graphen dieser Werte. Erläuterung, weil wir das Intervall auf 6 setzen, ist der gleitende Durchschnitt der Durchschnitt der vorherigen 5 Datenpunkte und Der aktuelle Datenpunkt Als Ergebnis werden Spitzen und Täler geglättet. Der Graph zeigt einen zunehmenden Trend Excel kann den gleitenden Durchschnitt für die ersten 5 Datenpunkte nicht berechnen, da es nicht genügend vorherige Datenpunkte gibt.9 Wiederholen Sie die Schritte 2 bis 8 für das Intervall 2 Und Intervall 4.Conclusion Je größer das Intervall ist, desto mehr werden die Gipfel und Täler geglättet Je kleiner das Intervall, desto näher sind die gleitenden Mittelwerte zu den tatsächlichen Datenpunkten. Moving Average Forecasting. Introduction Wie Sie vielleicht erraten, dass wir bei einigen suchen Der primitivsten Ansätze zur Prognose Aber hoffentlich sind diese zumindest eine lohnende Einführung in einige der Rechenprobleme im Zusammenhang mit der Umsetzung von Prognosen in Tabellenkalkulationen. In diesem Sinne werden wir fortfahren, indem wir am Anfang beginnen und mit der Arbeit mit Moving Average Prognosen beginnen. Moving Average Prognosen Jeder ist vertraut mit gleitenden durchschnittlichen Prognosen, unabhängig davon, ob sie glauben, dass sie alle College-Studenten tun sie die ganze Zeit Denken Sie an Ihre Testergebnisse in einem Kurs, wo Sie gehen, um vier Tests während des Semesters haben Nehmen wir an, Sie haben eine 85 auf Dein erster Test. Was würdest du für deinen zweiten Test-Score voraussagen. Was denkst du, dein Lehrer würde für deinen nächsten Test-Score voraussagen. Was denkst du, deine Freunde könnten für deinen nächsten Test-Score voraussagen. Was denkst du, was deine Eltern voraussagen können Für Ihre nächste Test-Score. Regardless von all dem Blabbing Sie vielleicht tun, um Ihre Freunde und Eltern, sie und Ihre Lehrer sind sehr wahrscheinlich zu erwarten, dass Sie etwas in der Gegend der 85 Sie gerade bekommen bekommen. Well, jetzt lassen wir das annehmen Trotz deiner Selbst-Förderung zu deinen Freunden, du überschätzst dich selbst und die Zahl, die du weniger für den zweiten Test studieren kannst und so bekommst du eine 73.Now, was sind alle betroffenen und unbeteiligten gehen zu antizipieren, dass Sie auf Ihrem erhalten werden Dritter Test Es gibt zwei sehr wahrscheinlich Ansätze für sie, um eine Schätzung zu entwickeln, unabhängig davon, ob sie es mit Ihnen teilen werden. Sie können sich selbst sagen, Dieser Kerl ist immer weht Rauch über seine smarts Er wird gehen, um 73 zu bekommen, wenn er Glück hat. Maybe die Eltern werden versuchen, mehr unterstützen und sagen, Nun, so weit haben Sie eine 85 und eine 73 bekommen, so vielleicht sollten Sie sich auf eine 85 73 2 79 Ich weiß nicht, vielleicht, wenn Sie weniger feiern Und weren t wackeln die Wiesel überall auf der Stelle und wenn Sie begann viel mehr studieren Sie könnte eine höhere Punktzahl zu bekommen. Bei dieser Schätzungen sind tatsächlich gleitende durchschnittliche Prognosen. Der erste ist mit nur Ihre letzte Punktzahl, um Ihre zukünftige Leistung zu prognostizieren Dies ist eine gleitende durchschnittliche Prognose mit einer Periode von Daten genannt. Die zweite ist auch eine gleitende durchschnittliche Prognose, aber mit zwei Perioden von data. Let s davon ausgehen, dass all diese Menschen, die auf Ihren großen Verstand haben, haben Sie pissed Sie weg und Sie entscheiden sich Mach gut auf den dritten Test aus deinen eigenen Gründen und leg dich eine höhere Punktzahl vor deinen Verbündeten ein Du nimmst den Test und dein Ergebnis ist eigentlich ein 89 Jeder, auch dich selbst, ist beeindruckt. So hast du jetzt den letzten Test des Semesters Kommen Sie auf und wie üblich fühlen Sie sich die Notwendigkeit, alle Menschen in ihre Vorhersagen über, wie Sie tun, auf den letzten Test Nun, hoffentlich sehen Sie das Muster. Jetzt, hoffentlich können Sie das Muster sehen, die Sie glauben, ist die genaueste. Whistle Während wir arbeiten Jetzt kehren wir zu unserer neuen Reinigungsfirma zurück, die von deiner entfremdeten Halbschwester namens Whistle genannt wurde. Während wir arbeiten Sie haben einige vergangene Verkaufsdaten, die durch den folgenden Abschnitt aus einer Kalkulationstabelle dargestellt werden. Zuerst stellen wir die Daten für eine dreiseitige gleitende durchschnittliche Prognose vor. Der Eintrag für Zelle C6 sollte sein. Jetzt kannst du diese Zellformel auf die anderen Zellen C7 bis C11 kopieren. Notice, wie sich der Durchschnitt über die aktuellsten historischen Daten bewegt, aber genau die drei letzten Perioden verwendet, die für jede Vorhersage verfügbar sind, solltest du auch Bemerken, dass wir nicht wirklich brauchen, um die Vorhersagen für die vergangenen Perioden zu machen, um unsere jüngste Vorhersage zu entwickeln. Dies ist definitiv anders als das exponentielle Glättungsmodell, das ich die vergangenen Vorhersagen eingeschlossen habe, weil wir sie in der nächsten Webseite verwenden werden, um zu messen Vorhersage Gültigkeit. Jetzt möchte ich die analogen Ergebnisse für eine zwei Periode gleitenden Durchschnitt Prognose. Der Eintrag für Zelle C5 sollte. Jetzt können Sie diese Zelle Formel auf die anderen Zellen C6 bis C11.Notice, wie jetzt nur die beiden am meisten kopieren Neue Stücke von historischen Daten werden für jede Vorhersage verwendet. Wieder habe ich die vergangenen Vorhersagen für illustrative Zwecke und für spätere Verwendung in der Prognosevalidierung enthalten. Einige andere Dinge, die von Bedeutung zu bemerken sind. Für eine m-Periode gleitende durchschnittliche Prognose nur die m am meisten Aktuelle Datenwerte werden verwendet, um die Vorhersage zu machen Nichts anderes ist notwendig. Für eine m-Periode gleitende durchschnittliche Prognose, wenn Vergangenheit Vorhersagen, beachten Sie, dass die erste Vorhersage tritt in Periode m 1.Both von diesen Fragen wird sehr wichtig sein, wenn wir entwickeln Unser code. Developing the Moving Average Function Jetzt müssen wir den Code für die gleitende durchschnittliche Prognose entwickeln, die flexibler genutzt werden kann. Der Code folgt Beachten Sie, dass die Eingaben für die Anzahl der Perioden gelten, die Sie in der Prognose und dem Array verwenden möchten Historische Werte Sie können es in der beliebigen Arbeitsmappe speichern, die Sie wollen. Funktion MovingAverage Historical, NumberOfPeriods Als Single Declaring und Initialisierung von Variablen Dim Item als Variant Dim Zähler als Integer Dim Akkumulation als Single Dim HistoricalSize als Integer. Initialisierung von Variablen Zähler 1 Akkumulation 0. Ermittlung der Größe des Historischen Arrays HistoricalSize. For Counter 1 Zu NumberOfPeriods. Akkumulation der passenden Anzahl der letzten bisher beobachteten Werte. Accumulation Accumulation Historical HistoricalSize - NumberOfPeriods Counter. MovingAverage Accumulation NumberOfPeriods. The Code wird in der Klasse erklärt Sie wollen die Funktion auf der Tabelle zu positionieren, so dass das Ergebnis der Berechnung erscheint, wo es sollte Wie die folgenden. In der Praxis wird der gleitende Durchschnitt eine gute Schätzung des Mittelwerts der Zeitreihen liefern, wenn der Mittelwert konstant oder langsam verändert ist. Im Falle eines konstanten Mittels wird der größte Wert von m die besten Schätzungen des Basiswerts geben Bedeuten Eine längere Beobachtungsperiode wird die Effekte der Variabilität ausmachen. Der Zweck der Bereitstellung eines kleineren m ist es, die Prognose auf eine Änderung des zugrunde liegenden Prozesses zu reagieren. Um zu veranschaulichen, schlagen wir einen Datensatz vor, der Änderungen im zugrunde liegenden Mittel einschließt Die Zeitreihe Die Figur zeigt die Zeitreihen, die zur Veranschaulichung verwendet wurden, zusammen mit der mittleren Nachfrage, aus der die Serie erzeugt wurde. Der Mittelwert beginnt als Konstante bei 10 Ab der Zeit 21 steigt er in jeder Periode um eine Einheit an, bis er den Wert erreicht hat 20 zur Zeit 30 Dann wird es wieder konstant Die Daten werden durch Hinzufügen zum Mittelwert, ein zufälliges Rauschen aus einer Normalverteilung mit Nullmittelwert und Standardabweichung simuliert. 3 Die Ergebnisse der Simulation werden auf die nächste Ganzzahl gerundet. Die Tabelle zeigt die simulierten Beobachtungen, die für das Beispiel verwendet werden Wenn wir die Tabelle verwenden, müssen wir uns daran erinnern, dass zu irgendeiner Zeit nur die vergangenen Daten bekannt sind. Die Schätzungen des Modellparameters sind für drei verschiedene Werte von m zusammen mit dem Mittelwert der Zeit dargestellt Serie in der folgenden Abbildung Die Abbildung zeigt die gleitende durchschnittliche Schätzung des Mittelwertes zu jeder Zeit und nicht die Prognose Die Prognosen würden die gleitenden durchschnittlichen Kurven nach rechts um Perioden verschieben. Eine Schlussfolgerung ist sofort aus der Figur ersichtlich. Für alle drei Schätzungen der Umzug Durchschnittlich hinter dem linearen Trend zurückbleibt, wobei die Verzögerung mit m beginnt Die Verzögerung ist der Abstand zwischen dem Modell und der Schätzung in der Zeitdimension Wegen der Verzögerung unterschätzt der gleitende Durchschnitt die Beobachtungen, wenn der Mittelwert zunimmt. Die Vorspannung des Schätzers ist Der Unterschied zu einer bestimmten Zeit im Mittelwert des Modells und der Mittelwert, der durch den gleitenden Durchschnitt vorhergesagt wird. Die Vorspannung, wenn der Mittelwert zunimmt, ist negativ. Für einen abnehmenden Mittelwert ist die Vorspannung positiv. Die Verzögerung in der Zeit und die Vorspannung, Schätzung sind Funktionen von m Je größer der Wert von m, desto größer ist die Größe der Verzögerung und Bias. Für eine stetig ansteigende Serie mit Trend a die Werte der Verzögerung und Bias der Schätzer des Mittels ist in den folgenden Gleichungen gegeben. Beispiel Kurven Stimmen nicht mit diesen Gleichungen überein, weil das Beispielmodell nicht kontinuierlich zunimmt, sondern es beginnt als Konstante, ändert sich zu einem Trend und wird dann wieder konstant Auch die Beispielkurven sind vom Lärm betroffen. Die gleitende durchschnittliche Prognose der Perioden in die Zukunft ist Dargestellt durch Verschieben der Kurven nach rechts Die Verzögerung und die Vorspannung steigen proportional Die nachstehenden Gleichungen zeigen die Verzögerung und die Vorspannung einer Prognoseperioden in die Zukunft im Vergleich zu den Modellparametern. Diese Formeln sind für eine Zeitreihe mit einem konstanten linearen Trend. Wir sollten uns über dieses Ergebnis nicht überraschen. Der gleitende durchschnittliche Schätzer basiert auf der Annahme eines konstanten Mittels, und das Beispiel hat einen linearen Trend im Mittel während eines Teils der Studienperiode Da Echtzeitreihen nur selten die Annahmen von Jedes Modell, sollten wir für solche Ergebnisse vorbereitet werden. Wir können auch aus der Figur, dass die Variabilität des Lärms hat die größte Wirkung für kleinere m Die Schätzung ist viel volatiler für den gleitenden Durchschnitt von 5 als der gleitende Durchschnitt von 20 Wir Haben die gegensätzlichen Wünsche, m zu erhöhen, um den Effekt der Variabilität aufgrund des Rauschens zu reduzieren und m zu verringern, um die Prognose besser auf die Änderungen des Mittelwerts zu reagieren. Der Fehler ist die Differenz zwischen den tatsächlichen Daten und dem prognostizierten Wert Wenn die Zeitreihe Ist wirklich ein konstanter Wert der erwartete Wert des Fehlers ist Null und die Varianz des Fehlers besteht aus einem Begriff, der eine Funktion und ein zweiter Term ist, der die Varianz des Rauschens ist. Der erste Term ist die Varianz des Mittelwerts Geschätzt mit einer Stichprobe von m Beobachtungen, vorausgesetzt, die Daten stammen aus einer Population mit einem konstanten Mittelwert Dieser Begriff wird minimiert, indem man m so groß wie möglich macht. Eine große m macht die Prognose nicht mehr auf eine Veränderung der zugrunde liegenden Zeitreihe, um die Prognose ansprechend zu machen Zu Änderungen, wir wollen m so klein wie möglich 1, aber dies erhöht die Fehlervarianz Die praktische Prognose erfordert einen Zwischenwert. Forecasting mit Excel. Das Prognose-Add-In implementiert die gleitenden durchschnittlichen Formeln Das folgende Beispiel zeigt die Analyse, die durch das Add - In für die Beispieldaten in Spalte B Die ersten 10 Beobachtungen sind indiziert -9 bis 0. Im Vergleich zur obigen Tabelle werden die Periodenindizes um -10 verschoben. Die ersten zehn Beobachtungen liefern die Startwerte für die Schätzung und werden zur Berechnung der Gleitender Durchschnitt für Periode 0 Die MA 10 Spalte C zeigt die berechneten gleitenden Mittelwerte Der gleitende Mittelwert m ist in Zelle C3 Die Fore 1 Spalte D zeigt eine Prognose für einen Zeitraum in die Zukunft Das Prognoseintervall befindet sich in Zelle D3 Wenn das Prognoseintervall ist In eine größere Zahl gewechselt, werden die Zahlen in der Spalte Fore nach unten verschoben. Die Err 1 Spalte E zeigt den Unterschied zwischen der Beobachtung und der Prognose. Zum Beispiel ist die Beobachtung zum Zeitpunkt 1 6 Der prognostizierte Wert aus dem gleitenden Durchschnitt zum Zeitpunkt 0 Ist 11 1 Der Fehler ist dann -5 1 Die Standardabweichung und mittlere mittlere Abweichung MAD werden in den Zellen E6 bzw. E7 berechnet.