Modelo De Média Móvel De Movimento

Como você pode supor que nós estamos olhando algumas das aproximações as mais primitivas à previsão mas esperançosamente estes são pelo menos uma introdução de valor a algumas das edições de computação relacionadas a executar previsões em spreadsheets. In esta veia nós continuaremos por Começando no início e começar a trabalhar com previsões média móvel. Moving previsões médias Todo mundo está familiarizado com as previsões de média móvel, independentemente de se eles acreditam que são Todos os estudantes universitários fazê-los o tempo todo Pense sobre seus resultados de teste em um curso onde você está indo Ter quatro testes durante o semestre Vamos supor que você tem um 85 em seu primeiro teste. O que você poderia prever para sua segunda pontuação de teste. O que você acha que seu professor iria prever para sua próxima pontuação de teste. O que você acha que seus amigos podem prever Para a sua próxima pontuação de teste. O que você acha que seus pais podem prever para a sua próxima pontuação de teste. Independentemente de todos os blabbing você pode fazer para o seu fr Eu e seus pais, eles e seu professor são muito provável esperar que você obtenha algo na área do 85 que você começou apenas. Bem, agora vamos supor que, apesar de sua auto-promoção para seus amigos, você superestima-se E figura você pode estudar menos para o segundo teste e assim você começa um 73.Now o que são todos os interessados ​​e despreocupados vai antecipar você vai chegar em seu terceiro teste Há duas abordagens muito provável para eles desenvolverem uma estimativa, independentemente de Se eles vão compartilhá-lo com você. Eles podem dizer a si mesmos, Este cara está sempre soprando fumaça sobre o seu smarts Ele vai ter outro 73 se ele tiver sorte. Talvez os pais vão tentar ser mais solidário e dizer, Bem, então Longe de você ter obtido um 85 e um 73, então talvez você deve figura em obter cerca de 85 73 2 79 Eu não sei, talvez se você fez menos festas e weren t sacudindo a doninha todo o lugar e se você começou a fazer um Muito mais estudar você poderia obter uma maior score. Both destas estimativas são reais A média móvel previsões. A primeira é usar apenas a sua pontuação mais recente para prever o seu desempenho futuro Isso é chamado de uma média móvel previsão usando um período de dados. O segundo é também uma média móvel previsão, mas usando dois períodos de dados. Somente Que todas essas pessoas rebentando em sua grande mente têm tipo de puto você fora e você decidir fazer bem no terceiro teste para suas próprias razões e colocar uma pontuação mais alta na frente de seus aliados Você faz o teste e sua pontuação é realmente um 89 Todo mundo, incluindo você, está impressionado. Então agora você tem o teste final do semestre chegando e, como de costume, você sente a necessidade de incitar todos a fazer suas predições sobre como você vai fazer no último teste. Bem, espero que você veja o Pattern. Now, espero que você pode ver o padrão Que você acha que é o mais preciso. Whistle Enquanto Trabalhamos Agora vamos voltar para a nossa nova empresa de limpeza iniciado por sua meia irmã distanciada chamado Whistle While We Work Você tem alguns dados de vendas passadas Representado pela seguinte seção de uma planilha Nós primeiro apresentar os dados para um período de três média móvel forecast. The entrada para a célula C6 deve ser. Now você pode copiar esta fórmula de célula para baixo para as outras células C7 a C11.Notice como a média se move Sobre os dados históricos mais recentes, mas usa exatamente os três períodos mais recentes disponíveis para cada previsão Você também deve notar que realmente não precisamos fazer as previsões para os períodos passados, a fim de desenvolver a nossa previsão mais recente Isso é definitivamente diferente do Modelo de suavização exponencial Eu incluí as previsões do passado, porque vamos usá-los na próxima página da web para medir a validade de previsão. Agora eu quero apresentar os resultados análogos para uma média de dois meses de previsão média móvel. A entrada para a célula C5 deve ser. Agora você Pode copiar esta fórmula de célula para baixo para as outras células C6 a C11.Notice como agora apenas as duas mais recentes peças de dados históricos são utilizados para cada previsão Novamente tenho incluir D as previsões passadas para fins ilustrativos e para uso posterior na validação de previsão. Algumas outras coisas que são de importância para aviso. Para uma m-período média móvel previsão apenas os m valores de dados mais recentes são utilizados para fazer a previsão Nada mais é necessário. Para uma média móvel de m-período de previsão, ao fazer predições passadas, observe que a primeira predição ocorre no período m 1.Todas estas questões serão muito significativas quando desenvolvemos o nosso code. Developing a função de média móvel Agora precisamos desenvolver O código para a previsão média móvel que pode ser usado de forma mais flexível O código segue Observe que as entradas são para o número de períodos que você deseja usar na previsão ea matriz de valores históricos Você pode armazená-lo em qualquer pasta de trabalho que você want. Function MovingAverage Histórico, NumberOfPeriods Como Único Declarar e inicializar variáveis ​​Dim Item como Variant Dim Counter As Integer Dim Acumulação como único Dim HistoricalSize As Integer. Inicializando variáveis ​​Counter 1 Acumulação 0. Determinando o tamanho de Historical array HistoricalSize. For Counter 1 To NumberOfPeriods. Acumulando o número apropriado de valores mais recentes anteriormente observados. Acumulação Acumulação Histórico Histórico Tamanho - NúmeroOfPeriodos Counter. MovingAverage Acumulação NumberOfPeriods. The código será explicado na classe Você deseja posicionar a função na planilha para que o resultado da computação aparece onde deveria Como o seguinte. Na prática, a média móvel fornecerá uma boa estimativa da média das séries temporais se a média for constante ou mudando lentamente. No caso de uma média constante, o maior valor de m dará as melhores estimativas do subjacente Um período de observação mais longo medirá os efeitos da variabilidade. O objetivo de fornecer um menor m é permitir que a previsão responda a uma mudança no processo subjacente. Para ilustrar, propomos um conjunto de dados que incorpora mudanças na média subjacente de A série temporal A figura mostra as séries cronológicas utilizadas para ilustração, juntamente com a procura média a partir A média começa como uma constante em 10 Começando no tempo 21, ela aumenta em uma unidade em cada período até atingir o valor de 20 no tempo 30 Então ela se torna constante novamente Os dados são simulados adicionando à média, a Ruído aleatório de uma distribuição Normal com média zero e desvio padrão 3 Os resultados da simulação são arredondados para o inteiro mais próximo. A tabela mostra as observações simuladas usadas para o exemplo Quando usamos a tabela, devemos lembrar que a qualquer momento, Somente os dados passados ​​são conhecidos. As estimativas do parâmetro do modelo,, para três diferentes valores de m são mostrados juntamente com a média das séries temporais na figura abaixo A figura mostra a média móvel da estimativa da média em cada momento e não A previsão As previsões mudariam as curvas de média móvel para a direita por períodos. Uma conclusão é imediatamente aparente a partir do valor. Para todas as três estimativas, a média móvel fica aquém da tendência linear, com o atraso increasi Ng com m O atraso é a distância entre o modelo ea estimativa na dimensão temporal Devido ao atraso, a média móvel subestima as observações à medida que a média está aumentando O viés do estimador é a diferença em um tempo específico no valor médio Do modelo e do valor médio predito pela média móvel O viés quando a média está aumentando é negativo Para uma média decrescente, o viés é positivo O atraso no tempo e o viés introduzido na estimativa são funções de m Quanto maior o valor de M maior a magnitude do atraso e do viés. Para uma série continuamente crescente com tendência a, os valores de atraso e desvio do estimador da média são dados nas equações abaixo. As curvas de exemplo não correspondem a essas equações porque o modelo de exemplo é Não aumentando continuamente, em vez disso, ele começa como uma constante, muda para uma tendência e, em seguida, torna-se constante novamente também as curvas de exemplo são afetados pelo ruído. A média móvel previsão de períodos no futuro É representada por deslocamento das curvas para a direita O atraso e o viés aumentam proporcionalmente As equações abaixo indicam o atraso e o viés dos períodos de previsão no futuro quando comparados com os parâmetros do modelo Novamente, estas fórmulas são para uma série temporal com uma tendência linear constante. Não deve ser surpreendido com este resultado O estimador de média móvel é baseado no pressuposto de uma média constante, eo exemplo tem uma tendência linear na média durante uma parte do período de estudo Desde série de tempo real raramente irá obedecer exatamente as suposições De qualquer modelo, devemos estar preparados para tais resultados. Podemos também concluir a partir da figura que a variabilidade do ruído tem o maior efeito para m menor A estimativa é muito mais volátil para a média móvel de 5 que a média móvel de 20 Temos os desejos conflitantes de aumentar m para reduzir o efeito da variabilidade devido ao ruído e diminuir m para fazer a previsão mais responsiva às mudanças na média. O erro é o di Diferença entre os dados reais e o valor previsto Se a série temporal é verdadeiramente um valor constante, o valor esperado do erro é zero ea variância do erro é composta por um termo que é uma função de e um segundo termo que é a variância Do ruído. O primeiro termo é a variância da média estimada com uma amostra de m observações, supondo que os dados provêm de uma população com uma média constante Este termo é minimizado fazendo m tão grande quanto possível Um m grande torna a previsão não responde Para uma mudança nas séries temporais subjacentes Para tornar a previsão responsiva às alterações, queremos que seja tão pequena quanto possível 1, mas isso aumenta a variância de erro A previsão prática requer um valor intermediário. Previsão com o Excel. O suplemento de Previsão implementa o movimento Fórmulas médias O exemplo abaixo mostra a análise fornecida pelo add-in para os dados da amostra na coluna B As primeiras 10 observações são indexadas -9 a 0 Comparado com a tabela acima, o período ind Os primeiros dez observações fornecem os valores de inicialização para a estimativa e são usados ​​para calcular a média móvel para o período 0 A coluna de MA 10 C mostra as médias móveis calculadas O parâmetro de média móvel m está na célula C3 O Fore 1 coluna D mostra uma previsão para um período no futuro O intervalo de previsão está na célula D3 Quando o intervalo de previsão é alterado para um número maior os números na coluna Fore são deslocados para baixo. A coluna Err 1 E mostra a diferença entre a observação E a previsão Por exemplo, a observação no tempo 1 é 6 O valor previsto feito a partir da média móvel no tempo 0 é 11 1 O erro então é -5 1 O desvio padrão e o Desvio Médio Médio MAD são calculados nas células E6 e E7 respectivamente . Classe MovingAverageModel. Um modelo de previsão de média móvel é baseado em uma série temporal construída artificialmente em que o valor para um dado período de tempo é substituído pela média desse valor e os valores para algum número de períodos de tempo anteriores e subsequentes Como você pode ter adivinhado Por exemplo, muitos gráficos de ações individuais no mercado de ações mostram médias móveis de 20, 50, 100 ou 200 dias como uma maneira de mostrar tendências. Uma vez que o valor de previsão para um dado período é uma média dos períodos anteriores, então a previsão sempre parecerá ficar aquém de aumentos ou diminuições nos valores dependentes observados. Por exemplo, se uma série de dados tem uma tendência ascendente notável, então uma média móvel Previsão irá geralmente fornecer uma subestimação dos valores da variável dependente. O método da média móvel tem uma vantagem sobre outros modelos de previsão na medida em que lisa para fora picos e t Roughs ou vales em um conjunto de observações No entanto, ele também tem várias desvantagens Em particular, este modelo não produz uma equação real Portanto, não é tudo o que útil como uma ferramenta de previsão de médio a longo prazo Ele só pode ser usado de forma confiável para prever um Ou dois períodos no futuro. O modelo de média móvel é um caso especial da média móvel mais ponderada. Na média móvel simples, todos os pesos são iguais. Desde 0 3 Autor Steven R Gould. Fields herdado de class. MovingAverageModel Constrói um novo Modelo de previsão de média móvel. MovingAverageModel período int Constrói um novo modelo de previsão de média móvel, usando o período especificado. getForecastType Retorna um nome de uma ou duas palavras desse tipo de modelo de previsão. init DataSet dataSet Usado para inicializar a média móvel model. toString Isso deve Ser substituído para fornecer uma descrição textual do modelo de previsão atual, incluindo, quando possível, qualquer parâmetro derivado utilizado. Métodos herdados de Class. Constructs um novo modelo de previsão de média móvel Para um modelo válido a ser construído, você deve chamar init e passar em um conjunto de dados contendo uma série de pontos de dados com a variável de tempo inicializado para identificar a variável independente. Constrói uma nova média móvel de previsão Modelo, usando o nome dado como a variável independente. Parameters independentVariable - o nome da variável independente para usar neste modelo. Constrói um novo modelo de previsão de média móvel, usando o período especificado Para um modelo válido a ser construído, você deve chamar init E passa num conjunto de dados contendo uma série de pontos de dados com a variável de tempo inicializada para identificar a variável independente. O valor do período é utilizado para determinar o número de observações a utilizar para calcular a média móvel. Por exemplo, para um período de 50 dias Média móvel onde os pontos de dados são observações diárias, então o período deve ser definido para 50. O período também é usado para determinar a quantidade de períodos futuros t Com uma média móvel de 50 dias, então não podemos razoavelmente - com qualquer grau de precisão - prever mais de 50 dias para além do último período para o qual os dados estão disponíveis Isto pode ser mais benéfico do que, digamos, um período de 10 dias, Onde podemos apenas razoavelmente prever 10 dias para além do último período. Parameters período - o número de observações a serem utilizadas para calcular a média móvel. Constrói um novo modelo de previsão de média móvel, usando o nome dado como a variável independente eo período especificado. Parâmetros independentVariable - o nome da variável independente a ser usada neste período do modelo - o número de observações a serem usadas para calcular a média móvel. Usado para inicializar o modelo de média móvel Este método deve ser chamado antes de qualquer outro método na classe. Modelo de média móvel não deriva qualquer equação para previsão, este método usa o DataSet de entrada para calcular valores de previsão para todos os valores válidos do independente ti Me variable. Specified by init na interface ForecastingModel Substitui init na classe AbstractTimeBasedModel Parâmetros dataSet - um conjunto de dados de observações que podem ser usados ​​para inicializar os parâmetros de previsão do modelo de previsão. Retorna um nome de uma ou duas palavras deste tipo de modelo de previsão Keep Esta breve descrição A mais deve ser implementada no método toString. Isto deve ser substituído para fornecer uma descrição textual do modelo de previsão atual, incluindo, quando possível, qualquer parâmetros derivados used. Specificed by toString na interface ForecastingModel Substitui toString na classe WeightedMovingAverageModel Retorna a Representação de seqüência de caracteres do modelo de previsão atual e seus parâmetros.