ง่าย เฉลี่ยเคลื่อนที่ พยากรณ์ ตัวอย่างเช่น

OR - Notes เป็นชุดของบันทึกแนะนำในหัวข้อที่อยู่ภายใต้หัวข้อกว้างของเขตข้อมูลของการวิจัยการดำเนินงานหรือพวกเขาถูกนำมาใช้โดยฉันในเบื้องต้นหรือหลักสูตรที่ฉันให้ที่ Imperial College พวกเขากำลังพร้อมใช้งานสำหรับนักเรียนและ ครูที่สนใจในหรือภายใต้เงื่อนไขต่อไปนี้รายชื่อหัวข้อทั้งหมดที่มีอยู่ใน OR-Notes สามารถพบได้ที่นี่ตัวอย่างการออกแบบตัวอย่างเช่นการสอบ UG ปี 1996 ความต้องการผลิตภัณฑ์ในแต่ละ 5 เดือนล่าสุดแสดงไว้ด้านล่าง ใช้ค่าเฉลี่ยเคลื่อนที่สองเดือนเพื่อสร้างการคาดการณ์สำหรับความต้องการในเดือน 6. เติมความละเอียดให้เรียบโดยมีค่าคงที่ที่ราบเรียบเป็น 0 9 เพื่อสร้างการคาดการณ์สำหรับความต้องการสำหรับความต้องการในเดือน 6. คุณคาดว่าจะมีการคาดการณ์สองประการใดบ้างและทำไม ค่าเฉลี่ยเคลื่อนที่สองเดือนสำหรับเดือนที่สองถึงห้าจะได้รับโดย. การคาดการณ์สำหรับเดือนที่หกเป็นเพียงค่าเฉลี่ยเคลื่อนที่สำหรับเดือนก่อนหน้านั่นคือค่าเฉลี่ยเคลื่อนที่สำหรับเดือน 5 m 5 2350. การใช้การอธิบายแบบเรียบด้วยการทำให้ราบเรียบ ค่าคงที่ของ 0 9 เราได้รับเป็นก่อนที่จะคาดการณ์สำหรับเดือนที่หกเป็นเพียงค่าเฉลี่ยสำหรับเดือน 5 M 5 2386. เพื่อเปรียบเทียบสองการคาดการณ์ที่เราคำนวณค่าเฉลี่ยเบี่ยงเบน MSD ถ้าเราทำเช่นนี้เราพบว่าสำหรับค่าเฉลี่ยเคลื่อนที่ MSD 15 - 19 18 - 23 21 - 24 3 16 67. และค่าเฉลี่ยที่ได้รับความราบเรียบอย่างต่อเนื่องโดยมีค่าคงที่ที่ราบเรียบเป็น 0 9.MSD 13 - 17 16 60 - 19 18 76 - 23 22 58 - 24 4 10 44. โดยทั่วไปแล้วเรา ดูที่เรียบชี้แจงให้ดูเหมือนจะให้ดีที่สุดคาดการณ์ล่วงหน้าหนึ่งเดือนเนื่องจากมี MSD ลดลงดังนั้นเราจึงต้องการคาดการณ์ของ 2386 ที่ได้รับการผลิตโดยการอธิบายเรียบตัวอย่างเช่นการทดลอง UG 1994 UG ตารางด้านล่างแสดงความต้องการ aftershave ใหม่ ในร้านค้าสำหรับแต่ละ 7 เดือนคำนวณค่าเฉลี่ยเคลื่อนที่สองเดือนสำหรับเดือนที่สองถึงเจ็ดสิ่งที่จะคาดการณ์ของคุณสำหรับความต้องการในเดือน eight. Apply ชี้แจงเรียบด้วยความราบเรียบคงที่ของ 0 1 ที่จะได้รับคาดการณ์สำหรับ อุปสงค์ในเดือนที่แปดซึ่งคาดการณ์ของทั้งสองสำหรับเดือนที่แปดทำโย u ชอบและทำไมผู้ดูแลร้านเชื่อว่าลูกค้าเปลี่ยนไปใช้ aftershave ใหม่จากแบรนด์อื่น ๆ อภิปรายว่าคุณอาจปรับเปลี่ยนพฤติกรรมนี้และระบุข้อมูลที่คุณต้องการเพื่อยืนยันว่าการสลับนี้เกิดขึ้นหรือไม่การย้ายสองเดือน ค่าเฉลี่ยสำหรับเดือนที่สองถึงเจ็ดจะได้รับโดยการคาดการณ์สำหรับเดือนที่แปดเป็นเพียงค่าเฉลี่ยเคลื่อนที่สำหรับเดือนก่อนหน้านั่นคือค่าเฉลี่ยเคลื่อนที่สำหรับเดือน 7 m 7 46. การใช้การเพิ่มขึ้นชี้แจงกับราบเรียบคงที่ของ 0 1 เราได้รับเป็น ก่อนที่การคาดการณ์สำหรับเดือนที่แปดเป็นเพียงค่าเฉลี่ยสำหรับเดือนที่ 7 M 7 31 11 31 เนื่องจากเราไม่สามารถมีความต้องการเศษเล็กเศษน้อยเมื่อต้องการเปรียบเทียบการคาดการณ์ทั้งสองแบบนี้เราคำนวณหาค่าส่วนเบี่ยงเบนเฉลี่ย MSD ถ้าเราทำเช่นนี้เราจะพบว่าค่าเฉลี่ยเคลื่อนที่ สำหรับค่าเฉลี่ยที่ได้รับการทำให้เรียบโดยมีค่าคงที่ที่ราบเรียบเป็น 0 จากนั้นเราจะเห็นว่าค่าเฉลี่ยเคลื่อนที่สองเดือนมีแนวโน้มที่ดีที่สุดในการคาดการณ์ล่วงหน้าหนึ่งเดือนเนื่องจากมีค่า MSD ต่ำกว่าดังนั้นเราจึงต้องการคาดการณ์ f 46 ที่ได้รับการผลิตโดยเฉลี่ยเคลื่อนที่สองเดือนเพื่อตรวจสอบการเปลี่ยนเราจะต้องใช้รูปแบบ Markov กระบวนการที่แบรนด์รัฐและเราจะต้องข้อมูลรัฐเริ่มต้นและลูกค้าเปลี่ยนความน่าจะเป็นจากการสำรวจเราจะต้องใช้รูปแบบ ข้อมูลทางประวัติศาสตร์เพื่อดูว่าเรามีแบบอย่างที่เหมาะสมระหว่างแบบจำลองและพฤติกรรมทางประวัติศาสตร์ตัวอย่างเช่นการทดลอง UG ของ UG ในปี 1992 ตารางด้านล่างแสดงความต้องการสำหรับแบรนด์มีดโกนเฉพาะในร้านค้าสำหรับแต่ละช่วง 9 เดือนคำนวณอายุการใช้งาน 3 เดือน เฉลี่ยสำหรับเดือนที่สามถึงเก้าสิ่งที่จะคาดการณ์ของคุณสำหรับความต้องการในเดือนสิบใช้ชี้แจงเรียบด้วยความราบเรียบคงที่ของ 0 3 ที่จะได้รับการคาดการณ์สำหรับความต้องการในเดือนสิบซึ่งคาดการณ์ของทั้งสองเดือนสิบที่คุณต้องการ และทำไมค่าเฉลี่ยเคลื่อนที่ 3 เดือนสำหรับเดือนที่ 3 ถึง 9 เป็นไปตามที่คาดการณ์ไว้สำหรับเดือนที่ 10 เป็นเพียงค่าเฉลี่ยเคลื่อนที่ของเดือนก่อนหน้านั่นคือค่าเฉลี่ยเคลื่อนที่สำหรับเดือน 9 ม. 9 20 33 เนื่องจากเราไม่สามารถมีได้ ความต้องการเป็นเศษส่วนของการคาดการณ์สำหรับเดือนที่ 10 คือ 20. ใช้การเพิ่มขึ้นของเลขแจงที่มีค่าคงที่ที่ราบเรียบจาก 0 3 ที่เราได้รับเมื่อก่อนการคาดการณ์สำหรับเดือน 10 เป็นเพียงค่าเฉลี่ยสำหรับเดือนที่ 9 M 9 18 57 19 เนื่องจากเราไม่สามารถมีความต้องการเศษ เปรียบเทียบสองการคาดการณ์ที่เราคำนวณค่าเบี่ยงเบนถัวเฉลี่ย MSD ถ้าเราทำเช่นนี้เราพบว่าค่าเฉลี่ยเคลื่อนที่และค่าเฉลี่ยของค่าเฉลี่ยที่ราบรื่นด้วยค่าคงที่ที่ราบเรียบของ 0 3. จากนั้นเราจะเห็นว่าค่าเฉลี่ยเคลื่อนที่สามเดือนปรากฏขึ้นเพื่อให้ ที่ดีที่สุดคาดการณ์ล่วงหน้าหนึ่งเดือนเนื่องจากมี MSD ต่ำดังนั้นเราจึงต้องการคาดการณ์ของ 20 ที่ได้รับการผลิตโดยเดือนที่สาม moving average. Forecasting เช่น 1991 UG สอบตารางด้านล่างแสดงความต้องการสำหรับแบรนด์เฉพาะของเครื่องแฟกซ์ใน ห้างสรรพสินค้าในแต่ละสิบสองเดือนคำนวณสี่เดือนย้ายค่าเฉลี่ยสำหรับเดือนที่ 4 ถึง 12 สิ่งที่จะคาดการณ์ของคุณสำหรับความต้องการในเดือน 13.Apply เรียบด้วยราบเรียบคง 0 2 เพื่อ deri มีการคาดการณ์สำหรับความต้องการในเดือน 13. คุณคาดการณ์สองครั้งใน 13 เดือนที่คุณชอบและทำไมปัจจัยอื่น ๆ ที่ไม่ได้พิจารณาในการคำนวณข้างต้นอาจมีผลต่อความต้องการเครื่องแฟกซ์ในเดือนที่ 13 การย้ายสี่เดือน ค่าเฉลี่ยสำหรับเดือนที่ 4 ถึง 12 โดยให้ 4 23 19 15 12 4 17 25 m 5 27 23 19 15 4 21 m 6 30 27 23 19 4 24 75 m 7 32 30 27 23 4 28 m 8 33 32 30 27 4 30 5 m 9 37 33 32 30 4 33 ม. 10 41 37 33 32 4 35 75 ม. 11 49 41 37 33 4 40 ม. 12 58 49 41 37 4 46 25 การคาดการณ์ในเดือนที่ 13 เป็นเพียงค่าเฉลี่ยเคลื่อนที่ของ เดือนก่อนหน้านั่นคือค่าเฉลี่ยเคลื่อนที่ของเดือน 12 ม. 12 46 25. เนื่องจากเราไม่สามารถมีความต้องการเป็นเศษ ๆ ได้การคาดการณ์ของเดือนที่ 13 มีค่าเท่ากับ 46. โดยใช้วิธีการปรับให้เรียบตามที่ระบุโดยมีค่าคงที่ที่ราบเรียบจาก 0 2 ที่เราได้รับก่อนที่จะมีการคาดการณ์สำหรับเดือนที่ 13 เป็นเพียงค่าเฉลี่ยสำหรับเดือน 12 M 12 38 618 39 เนื่องจากเราไม่สามารถมีความต้องการที่เป็นเศษส่วนหากต้องการเปรียบเทียบทั้งสองการคาดการณ์เราจะคำนวณค่าความเบี่ยงเบนเฉลี่ยของ MSD หากเราทำเช่นนี้เราจะพบว่าค่าเฉลี่ยเคลื่อนที่ . และค่าเฉลี่ยของค่าเฉลี่ยที่ราบรื่นโดยมีค่าคงที่การปรับให้เรียบอยู่ที่ 0 2. จากนั้นเราจะเห็นว่าค่าเฉลี่ยเคลื่อนที่สี่เดือนมีแนวโน้มที่ดีที่สุดในการคาดการณ์ล่วงหน้าหนึ่งเดือนเนื่องจากมีค่า MSD ที่ต่ำกว่าดังนั้นเราจึงต้องการประมาณการที่ 46 ซึ่งได้รับ ผลิตโดยสี่เดือนย้ายความต้องการการเปลี่ยนแปลงเฉลี่ยความต้องการเฉลี่ยทั้งสี่ยี่ห้อนี้และอื่น ๆ brands. general สถานการณ์ทางเศรษฐกิจล่าสุดเทคโนโลยีตัวอย่างเช่นการทดสอบ 1989 UG ตารางด้านล่างแสดงความต้องการสำหรับแบรนด์เฉพาะของเตาอบไมโครเวฟในแผนก เก็บในแต่ละสิบสองเดือนคำนวณค่าเฉลี่ยเคลื่อนที่หกเดือนสำหรับแต่ละเดือนอะไรจะคาดการณ์ของคุณสำหรับความต้องการในเดือน 13.Apply ชี้แจงเรียบกับราบเรียบคงที่ของ 0 7 เพื่อคาดการณ์สำหรับความต้องการในเดือน 13 . คุณคาดว่าการคาดการณ์ในเดือน 13 จะเป็นอย่างไรและทำไมตอนนี้เราไม่สามารถคำนวณค่าเฉลี่ยเคลื่อนที่ได้ 6 เดือนจนกว่าเราจะมีข้อสังเกตอย่างน้อย 6 ข้อกล่าวคือเราสามารถคำนวณค่าเฉลี่ยดังกล่าวได้ตั้งแต่เดือนที่ 6 เป็นต้นไป Henc e เรามี 6 34 32 30 29 31 27 6 30 50.m 7 36 34 32 30 29 31 6 32 00.m 8 35 36 34 32 30 29 6 32 67.m 9 37 35 36 34 32 30 6 34 00.m 10 39 37 35 36 34 32 6 35 50.m 11 40 39 37 35 36 34 6 36 83.m 12 42 40 39 37 35 36 6 38 17 การคาดการณ์สำหรับเดือนที่ 13 เป็นเพียงค่าเฉลี่ยเคลื่อนที่ของ เดือนก่อนหน้านั่นคือค่าเฉลี่ยเคลื่อนที่ของเดือน 12 ม. 12 38 17. เนื่องจากเราไม่สามารถคาดเดาได้ในเดือนที่ 13 เท่ากับ 38 เราขอแนะนำให้มีการปรับค่าเฉลี่ยให้เรียบโดยมีค่าคงที่ที่ราบเรียบเป็น 0 7 เราได้ค่าเฉลี่ยเคลื่อนที่อย่างรวดเร็ว SMABREAKING DOWN Average Moving Average - SMA ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายสามารถปรับแต่งได้โดยสามารถคำนวณได้ในช่วงเวลาต่างกันโดยการเพิ่มราคาปิดของการรักษาความปลอดภัยเป็นระยะเวลาหนึ่งจากนั้นจึงหารจำนวนทั้งหมดด้วยจำนวน ของช่วงเวลาซึ่งจะช่วยให้ราคาเฉลี่ยของการรักษาความปลอดภัยในช่วงเวลาค่าเฉลี่ยเคลื่อนที่เรียบ smooths ออกความผันผวนและทำให้ง่ายต่อการดูแนวโน้มราคาของการรักษาความปลอดภัยถ้าง่าย ค่าเฉลี่ยของค่าเฉลี่ยที่เพิ่มขึ้นหมายความว่าราคาของระบบรักษาความปลอดภัยจะเพิ่มขึ้นหากมีการชี้ลงหมายความว่าราคาของระบบรักษาความปลอดภัยลดลงระยะเวลาที่ใช้ในการเคลื่อนที่ของค่าเฉลี่ยที่ยาวนานยิ่งขึ้น มีความผันผวนมากขึ้น แต่การอ่านมีความใกล้ชิดกับแหล่งข้อมูลความสำคัญเชิงวิเคราะห์ค่าเฉลี่ยขั้นต่ำเป็นเครื่องมือวิเคราะห์ที่สำคัญที่ใช้ในการระบุแนวโน้มราคาในปัจจุบันและศักยภาพในการเปลี่ยนแปลงแนวโน้มที่เป็นรูปแบบที่ง่ายที่สุดในการใช้ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายในการวิเคราะห์ กำลังใช้เพื่อระบุว่าการรักษาความปลอดภัยอยู่ในแนวโน้มขาขึ้นหรือขาลงหรือไม่หรืออีกนัยหนึ่งเครื่องมือวิเคราะห์ที่ซับซ้อนซึ่งมีความซับซ้อนมากกว่าเล็กน้อยคือการเปรียบเทียบค่าเฉลี่ยเคลื่อนที่แบบง่ายๆกับแต่ละช่วงเวลาที่ใช้เวลาสั้น ๆ ถ้าค่าเฉลี่ยเคลื่อนที่ที่สั้นกว่าอยู่เหนือ ค่าเฉลี่ยระยะยาวคาดว่าแนวโน้มขาขึ้นคาดว่าจะยังคงอยู่ในทางกลับกันค่าเฉลี่ยระยะยาวที่สูงกว่าค่าเฉลี่ยระยะสั้นจะส่งผลให้มีแนวโน้มลดลงในแนวโน้ม T rading Patterns. Two รูปแบบการค้าที่นิยมใช้ค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ ได้แก่ cross death และ cross golden cross death cross เกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ 50 วันที่ต่ำกว่าค่าเฉลี่ยเคลื่อนที่ 200 วันซึ่งถือเป็นสัญญาณขาลง อยู่ในร้านโกลเด้นครอสเกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ระยะสั้นอยู่เหนือค่าเฉลี่ยเคลื่อนที่ในระยะยาวเสริมด้วยปริมาณการซื้อขายที่สูงขึ้นซึ่งจะเป็นสัญญาณว่ากำไรต่อไปจะอยู่ที่ระดับ store. Moving Average ตัวอย่างนี้สอนวิธีคำนวณค่าเฉลี่ยเคลื่อนที่ ของชุดข้อมูลใน Excel ค่าเฉลี่ยเคลื่อนที่จะใช้เพื่อทำให้จุดสูงสุดและที่ราบสูงเป็นไปอย่างราบรื่นเพื่อให้ทราบถึงแนวโน้มได้อย่างง่ายดายประการแรกลองดูซีพียูเวลาของเราที่นี่ 2 ในแท็บ Data คลิก Analysis. Note คลิกที่นี่เพื่อโหลด Add-In Toolkit การวิเคราะห์ 3 เลือก Moving Average และคลิก OK.4 คลิกที่กล่อง Input Range และเลือกช่วง B2 M2.5 คลิกที่ช่อง Interval และพิมพ์ 6.6 คลิกที่ Output รัง e box และเลือกเซลล์ B3.8 วาดกราฟของค่าเหล่านี้การอธิบายเนื่องจากเราตั้งค่าช่วงเป็น 6 ค่าเฉลี่ยเคลื่อนที่คือค่าเฉลี่ยของ 5 จุดข้อมูลก่อนหน้าและจุดข้อมูลปัจจุบันผลให้ยอดและหุบเขาเรียบ out กราฟแสดงแนวโน้มการเพิ่มขึ้น Excel ไม่สามารถคำนวณค่าเฉลี่ยเคลื่อนที่ของจุดข้อมูล 5 จุดแรกได้เนื่องจากไม่มีจุดข้อมูลก่อนหน้านี้มากพอ 9 ทำซ้ำตามขั้นตอนที่ 2 ถึง 8 สำหรับช่วง 2 และช่วงเวลา 4. ข้อสรุปยิ่งช่วงเวลายิ่งใหญ่เท่าไร ยอดเขาและหุบเขาจะเรียบออกช่วงที่เล็กลงใกล้ค่าเฉลี่ยเคลื่อนที่จะเท่ากับจุดข้อมูลที่เกิดขึ้นจริง