ماجدة الرومي الحركة من المتوسط - اكسل

تيما - ملخص سريع الثلاثي المتوسط ​​المتحرك الأسي (تيما) هو نسخة أخرى أكثر سلاسة وأسرع التي وضعتها باتريك G. مولوي في عام 1994. مرة أخرى، فإن فكرة مؤشر تيما هو أن لا تأخذ فقط إما المتتالية من التكرار إما، ولكن للقضاء على عامل متخلف موجود في إما التقليدية. صيغة مؤشر ديما يجمع المتوسط ​​المتحرك الأسي الثلاثي (تيما) بين المتوسط ​​المتحرك المتوسط ​​(إما) و إما المزدوج و إما إما الثلاثي، مما يوفر تأخرا أقل من أي من هذه المتوسطات الثلاثة. التداول مع مؤشر تيما التداول مع تيما يشبه التداول مع مؤشر ديما. يمكنك استبدال إما العادية مع تيما، أو يمكنك اختبار إشارات كروس عند استخدام اثنين من مؤشرات تيما. كوبيرايت كوبي فوريكس-إنديكاتورس تعد عملية التصفية والتصفية اثنين من أكثر تقنيات السلاسل الزمنية شيوعا في إزالة الضجيج من البيانات الأساسية للمساعدة في الكشف عن الخصائص والمكونات الهامة (مثل الاتجاه والموسمية وما إلى ذلك). ومع ذلك، يمكننا أيضا استخدام تمهيد لملء القيم المفقودة أندور إجراء التنبؤ. في هذا العدد، سنناقش خمسة (5) طرق تمهيد مختلفة: المتوسط ​​المتحرك المرجح (وما i)، تمهيد أسي بسيط، تمهيد أسي مضاعف، تمهيد أسي خطي، تمهيد أسي ثلاثي. لماذا يجب أن نهتم كثيرا ما يتم استخدام التمويه (والإساءة) في هذه الصناعة لإجراء فحص بصري سريع لخصائص البيانات (مثل الاتجاه والموسمية، وما إلى ذلك)، وتناسب في القيم المفقودة، وإجراء سريع خارج العينة توقعات. لماذا لدينا العديد من وظائف التمهيد كما سنرى في هذه الورقة، تعمل كل وظيفة لفرضية مختلفة حول البيانات الأساسية. فعلى سبيل المثال، يفترض التجانس الأسي البسيط أن للبيانات متوسطا مستقرا (أو متوسطا بطيئا متحركا على الأقل)، فإن التمهيد الأسي البسيط سيؤدي إلى ضعف في التنبؤ بالبيانات الموسمية أو الاتجاه. في هذه الورقة، سوف نذهب على كل وظيفة تمهيد، وتسليط الضوء على افتراضاتها والمعلمات، وإثبات تطبيقها من خلال الأمثلة. المتوسط ​​المتحرك المرجح (وما) يستخدم المتوسط ​​المتحرك عادة مع بيانات السلاسل الزمنية لتلافي التقلبات على المدى القصير وتسليط الضوء على الاتجاهات أو الدورات الأطول أجلا. والمتوسط ​​المتحرك المرجح له عوامل مضاعفة تعطي أوزان مختلفة للبيانات في مواقع مختلفة في نافذة العينة. والمتوسط ​​المتحرك المرجح له نافذة ثابتة (أي N)، وعادة ما يتم اختيار العوامل لإعطاء وزن أكبر للملاحظات الأخيرة. يحدد حجم النافذة (N) عدد النقاط التي تم حساب متوسطها في كل مرة، وبالتالي فإن حجم النوافذ الأكبر يستجيب للتغييرات الجديدة في السلسلة الزمنية الأصلية وقد يتسبب حجم النافذة الصغير في أن يكون الإخراج الملمس صاخبا. للخروج من أغراض التنبؤ بالعينة: المثال 1: يتيح النظر في المبيعات الشهرية للشركة X، باستخدام متوسط ​​متحرك لمدة 4 أشهر (متساوي الوزن). ويلاحظ أن المتوسط ​​المتحرك يتخلف دائما عن البيانات وتتقارب التنبؤات خارج العينة مع قيمة ثابتة. دعونا نحاول استخدام نظام الترجيح (انظر أدناه) الذي يعطي المزيد من التركيز على أحدث الملاحظة. قمنا بتخطيط المتوسط ​​المتحرك متساوي الوزن و وما على نفس الرسم البياني. ويبدو أن ال وما أكثر استجابة للتغيرات الأخيرة وتتقارب توقعات خارج العينة مع القيمة نفسها للمتوسط ​​المتحرك. المثال 2: يتيح فحص ما في وجود الاتجاه والموسمية. على سبيل المثال، استخدام بيانات الركاب الدولية بشكل جيد. تبلغ مدة المتوسط ​​المتحرك 12 شهرا. موا و وما مواكبة هذا الاتجاه، ولكن توقعات خارج العينة تتسطح. وعلاوة على ذلك، على الرغم من أن وما يحمل بعض الموسمية، فإنه دائما متخلفة عن البيانات الأصلية. (براون) بسيط الأسي تجانس بسيط الأسي تمهيد يشبه ما مع استثناء أن حجم النافذة إذا لانهائية والعوامل الترجيح تنخفض أضعافا مضاعفة. كما رأينا في وما، الأسي بسيط هو مناسبة لسلاسل زمنية مع متوسط ​​مستقر، أو على الأقل بطيئة جدا المتوسط ​​المتحرك. المثال 1: يتيح استخدام بيانات المبيعات الشهرية (كما فعلنا في مثال وما). في المثال أعلاه، اخترنا عامل التمهيد ليكون 0.8، الذي يطرح السؤال: ما هي أفضل قيمة لعامل التجانس تقدير أفضل قيمة من البيانات باستخدام الدالة تسوب (لحساب الخطأ)، سومزق و إكسيل جداول البيانات، قمنا بحساب مجموع الأخطاء المربعة (سس) ورسم النتائج: سس يصل الحد الأدنى لقيمة حوالي 0.8، لذلك اخترنا هذه القيمة لدينا التمهيد. (هولت-وينترس) مضاعفة الأسي مزدوجة تجانس الأسي بسيطة لا تفعل جيدا في وجود اتجاه، لذلك العديد من طريقة وضعت تحت مظلة أسي مزدوجة المقترحة لمعالجة هذا النوع من البيانات. نومكسل يدعم هولت الشتاء الشتاء الأسي التجانس، والتي تأخذ الصيغة التالية: مثال 1: يتيح فحص البيانات الدولية الركاب الركاب اخترنا قيمة ألفا من 0.9 وبيتا من 0.1. يرجى ملاحظة أنه على الرغم من أن التجانس المزدوج يتتبع البيانات الأصلية بشكل جيد، فإن التوقعات خارج العينة أدنى من المتوسط ​​المتحرك البسيط. كيف يمكننا العثور على أفضل عوامل التمهيد نحن نأخذ نهجا مماثلا لدينا مثال بسيط الأسي تمهيد، ولكن تعديل لمتغيرين. نحن نحسب مجموع الأخطاء التربيعية بناء جدول بيانات متغيرين، واختيار قيم ألفا وبيتا التي تقلل من سس الكلي. (براونز) الخطي الأسي تجانس هذا هو طريقة أخرى من ضعف وظيفة الأسي تمهيد، ولكن لديه عامل تمهيد واحد: براونز الأسي ضعف تجانس يأخذ معلمة واحدة أقل من وظيفة هولت الشتاء، ولكن قد لا تقدم جيدة كما تناسب تلك الوظيفة. المثال 1: يتيح استخدام نفس المثال في هولت-وينترز الأسي المزدوج ومقارنة المجموع الأمثل للخطأ التربيعي. لا يتطابق البنيان الأسيان المزدوجان مع بيانات العينة وكذلك طريقة هولت-وينترس، ولكن خارج العينة (في هذه الحالة بالذات) أفضل. كيف نجد أفضل عامل تمهيد () نستخدم نفس الطريقة لتحديد قيمة ألفا التي تقلل من مجموع الخطأ التربيعي. على سبيل المثال نموذج البيانات، تم العثور على ألفا لتكون 0.8. (وينترس) تريبل إكسبوننتيال سموثينغ التجانس الأسي الثلاثي يأخذ في الاعتبار التغيرات الموسمية وكذلك الاتجاهات. يتطلب هذا الأسلوب 4 معلمات: صياغة للتجانس الأسي الثلاثي هو أكثر انخراطا من أي من تلك السابقة. من فضلك، تحقق من دليل مرجعي على الانترنت لصياغة بالضبط. باستخدام البيانات الدولية الركاب الجوية، يمكننا تطبيق الشتاء الثلاثي الأسي التمهيد، والعثور على المعلمات الأمثل، وإجراء خارج العينة من التوقعات. ومن الواضح أنه يتم تطبيق التجانس الأسي الثلاثي في ​​فصل الشتاء على أفضل وجه بالنسبة لعينة البيانات هذه، حيث أنه يتتبع القيم جيدا وتظهر التنبؤات خارج العينة الموسمية (L12). كيف يمكننا العثور على أفضل عامل تمهيد () مرة أخرى، نحن بحاجة إلى اختيار القيم التي تقلل من المجموع الكلي للأخطاء التربيعية (سس)، ولكن يمكن استخدام جداول البيانات لأكثر من متغيرين، لذلك نلجأ إلى إكسيل حلالا: (1) إعداد مشكلة التقليل، مع سس كدالة فائدة (2) القيود لهذه المشكلة دعم الاستنتاج فيسينترودكتيون نظرت المقالة السابقة في ما هي المتوسطات المتحركة وكيفية حسابها. تبحث هذه المقالة الآن كيفية تنفيذ هذه في ذكاء الويب. الصيغة المستخدمة هنا متوافقة مع إصدار XIr3 من ساب بو ولكن قد تعمل بعض الصيغ في الإصدارات السابقة إذا كانت متوفرة. ويبدأ W8217ll من خلال النظر في كيفية حساب المتوسط ​​المتحرك البسيط قبل النظر إلى الأشكال المرجحة والأسية. أمثلة عمل الأمثلة أدناه كل استخدام نفس مجموعة البيانات التي هي من بيانات سعر السهم في ملف إكسيل التي يمكنك تحميلها. العمود الأول في الملف هو اليوم من سعر السهم ثم الأعمدة من سعر الافتتاح، أعلى سعر في اليوم، أدنى سعر، سعر الإغلاق، وحجم وتعديل سعر الإغلاق. استخدام W8217ll سعر الإغلاق في تحليلنا أدناه جنبا إلى جنب مع كائن التاريخ. المتوسط ​​المتحرك البسيط هناك طريقتان يمكننا من خلاله حساب المتوسطات المتحركة البسيطة. أحد الخيارات هو استخدام الدالة السابقة للحصول على قيمة صف سابق. على سبيل المثال الصيغة التالية تحسب متوسطا متحركا على سعر السهم الختامي لمتوسط ​​بيانات متوسط ​​متحرك من الحجم 3، هذا هو صيغة بسيطة تماما ولكن من الواضح أنها ليست عملية عندما يكون لدينا عدد كبير من الفترات هنا يمكننا أن نجعل استخدام صيغة رونينغسوم ومجموعة البيانات من حجم N لدينا أخيرا لدينا تقنية 3، والتي على الرغم من أن أكثر تعقيدا قد يكون أداء أفضل كما هو حساب القيمة الجديدة على أساس القيمة السابقة بدلا من اثنين من تشغيل المبالغ على كامل البيانات جلس. ولكن هذه الصيغة لا تعمل إلا بعد نقطة نث في مجموعة البيانات الشاملة وبما أنها تشير إلى قيمة سابقة يجب علينا أيضا تعيين قيمة البداية. وفيما يلي الصيغة الكاملة المستخدمة لتحليل سعر السهم لدينا حيث تكون فترة المتوسط ​​المتحرك 15 يوما، والتاريخ 1252010 هو نقطة البيانات ال 15 في مجموعة البيانات الخاصة بنا، ومن أجل هذه النقطة نحسب المتوسط ​​العادي باستخدام رونينغسوم. وبالنسبة لجميع التواريخ التي تتجاوز هذه القيمة، نستخدم صيغة سما، ونترك فارغا جميع التواريخ قبل هذا التاريخ. الشكل 1 أدناه هو مخطط في ويب إنتليجانس يعرض بيانات سعر السهم لدينا بمتوسط ​​متحرك بسيط. الشكل 1. وثيقة الذكاء على شبكة الإنترنت التي تعرض متوسطا متحركا متوسطا متحركا بسيطا متوسط ​​صيغة متحرك مرجح مع فترة 3 هو، كما هو الحال مع أول صيغة متوسط ​​متحرك بسيطة فوق هذا الأمر عملي فقط لعدد صغير من الفترات. لم أتمكن بعد من العثور على صيغة بسيطة يمكن استخدامها لفترات متوسطة متحركة أكبر. رياضيا فمن الممكن ولكن القيود مع المخابرات الويب يعني أن هذه الصيغ don8217t تحويل. إذا كان أي شخص قادرا على القيام بذلك أود أن أسمع الشكل أدناه هو وما من فترة 6 تنفيذها في المخابرات الويب. الشكل 2. مستند ويب إنتليجانس للمتوسط ​​المتحرك المتوسط ​​المتحرك المتوسط ​​المتحرك الأسي المتوسط ​​المتحرك الأسي مستقيمي تماما إلى الأمام لتنفيذه في ويب إنتليجانس، وهو بديل مناسب للمتوسط ​​المتحرك المرجح. الصيغة الأساسية هي هنا we8217ve الثابت ترميز 0.3 كما قيمتنا ألفا. نحن نطبق هذه الصيغة فقط لفترات أكبر من الفترة الثانية حتى نتمكن من استخدام بيان إف لتصفية هذه. في الفترة الأولى والثانية يمكننا استخدام القيمة السابقة، وبالتالي فإن الصيغة النهائية ل إما هي، فيما يلي مثال ل إما المطبقة على بيانات مخزوننا. الشكل 3. مستند ويب إنتليجانس يعرض عنصر تحكم متوسطات أسي للتحرك المتزايد نظرا لأن صيغة إما n1217t تعتمد على حجم فترة المتوسط ​​المتحرك ومتغيرنا الوحيد هو ألفا يمكننا استخدام عناصر تحكم الإدخال للسماح للمستخدم بضبط قيمة ألفا. للقيام بذلك، قم بإنشاء متغير جديد يسمى 8216alpha8217 وتعريف الصيغة 8217s كما، تحديث صيغة إما إلى إنشاء عنصر تحكم إدخال جديد تحديد متغير ألفا لدينا كائن تقرير عنصر تحكم الإدخال استخدام شريط تمرير بسيط وتعيين الخصائص التالية، وبمجرد الانتهاء منك يجب أن تكون قادرة على تحريك شريط التمرير وعلى الفور رؤية التغييرات على خط الاتجاه في الرسم البياني الخاتمة لقد نظرنا في كيفية تنفيذ ثلاثة أنواع من المتوسط ​​المتحرك في الذكاء على شبكة الإنترنت وعلى الرغم من كل كان من الممكن أن المتوسط ​​المتحرك الأسي هو على الارجح أسهل وأكثر مرونة . وآمل أن وجدت هذه المادة مثيرة للاهتمام وكما هو الحال دائما أي ردود فعل هو موضع ترحيب كبير. آخر الملاحة اترك رد إلغاء الرد يجب أن تكون تسجيل في لنشر تعليق. خدعة المتوسط ​​المتحرك المرجح (وما) هو عليك إنشاء متغير الذي يمثل بسطات وما (انظر ويكيبيديا كمرجع.) يجب أن يكون هذا كما يلي: السابق (الذاتي) (ن إغلاق) 8211 (السابق (رونينغسوم ( كلوز)) 8211 بريفيوس (رونينغسوم (كلوز) n1) حيث n هو عدد الفترات، ثم تكون صيغة WMA8217s الفعلية كما يلي: نيراتيراتور (n (n 1) 2) حيث إن البسط هو المتغير الذي قمت بإنشائه سابقا.