Problemer Og Ulemper Of The Moving Average Prognose Modellen

Enkelt å flytte mellomrom. Problemer med å bruke det enkle glidende gjennomsnittet som et prognostiseringsverktøy. Det bevegelige gjennomsnittet sporer de faktiske dataene, men det ligger alltid etter det. Det bevegelige gjennomsnittet vil aldri nå toppene eller dalene til de faktiske dataene det glatter ut data. Fortell deg ikke veldig mye om fremtiden. Men dette gjør ikke det bevegelige gjennomsnittet ubrukelig, du trenger bare å være klar over sine problemer. LISTEBESKRIVELSE. ALDRI TRANSKRIPTION. So å oppsummere, for et enkelt glidende gjennomsnitt eller en enkelt glidende gjennomsnitt har vi sett noen problemer med å bruke det enkle glidende gjennomsnittet som et prognostiseringsverktøy. Det bevegelige gjennomsnittet sporer de faktiske dataene, men det ligger alltid bak det. Det glidende gjennomsnittet vil aldri nå toppene eller dalene til de faktiske dataene det glatter ut dataene, og det forteller deg ikke veldig mye om fremtiden, fordi det bare er å prognose en periode på forhånd, og denne prognosen antas å utgjøre den beste verdien for fremtiden, en periode i annonsen svindel, men det forteller deg ikke mye utover det. Det gjør ikke det enkle glidende gjennomsnittet ubrukelig, faktisk ser du enkle glidende gjennomsnitt. Klasse MovingAverageModel. En flytende gjennomsnittlig prognosemodell er basert på en kunstig konstruert tidsserie hvor verdien for en gitt tidsperiode er erstattet av gjennomsnittet av den verdien og verdiene for et antall tidligere og etterfølgende tidsperioder Som du kanskje har gjettet Fra beskrivelsen er denne modellen best egnet til tidsseriedata, det vil si data som endres over tid. For eksempel viser mange diagrammer av enkelte aksjer på aksjemarkedet 20, 50, 100 eller 200 dagers glidende gjennomsnitt som en måte å vise trender på. Siden prognosverdien for en gitt periode er et gjennomsnitt av de foregående periodene, vil prognosen alltid synes å ligge etter enten økninger eller reduksjoner i de observerte avhengige verdiene. For eksempel, hvis en dataserie har en merkbar oppadgående trend, så er et glidende gjennomsnitt prognose vil generelt gi et undervurdering av verdiene av den avhengige variabelen. Den glidende gjennomsnittlige metoden har en fordel i forhold til andre prognosemodeller ved at det glatter ut toppene og t rukker eller daler i et sett med observasjoner Det har imidlertid også flere ulemper. Spesielt gir denne modellen ikke en egentlig ligning. Derfor er det ikke alt som er nyttig som et middels langt prognoseverktøy. Det kan bare pålidelig brukes til å prognose en eller to perioder i fremtiden. Den bevegelige gjennomsnittsmodellen er et spesielt tilfelle av det mer generelle vektede glidende gjennomsnittet. I det enkle glidende gjennomsnittet er alle vekter like. Siden 0 3 Forfatter Steven R Gould. Fields arvet fra class. MovingAverageModel Konstruerer en ny flytte gjennomsnittlig prognose modell. MovingAverageModel int periode Konstruerer en ny flytende gjennomsnittlig prognosemodell, ved hjelp av den angitte perioden. getForecastType Returnerer et eller to ordnavn for denne typen prognose model. init DataSet dataSet Brukes til å initialisere den bevegelige gjennomsnittlige modellen. toString Dette skal overstyres for å gi en tekstlig beskrivelse av den nåværende prognosemodellen inkludert, hvor det er mulig, noen avledede parametere som brukes. Metoder arvet fra class. Constructs en ny flytende gjennomsnittlig prognose modell For en gyldig modell som skal bygges, bør du ringe init og passere i et datasett som inneholder en serie datapunkter med tidsvariabelen initialisert for å identifisere den uavhengige variabelen. Konstruerer et nytt bevegelige gjennomsnittlig prognose modell, bruker det oppgitte navnet som den uavhengige variabelen. Parametre independentVariable - navnet på den uavhengige variabelen som skal brukes i denne modellen. Konstruerer en ny flytende gjennomsnittlig prognosemodell, med den angitte perioden. For en gyldig modell som skal bygges, bør du ringe init og passere i et datasett som inneholder en serie datapunkter med tidsvariabelen initialisert for å identifisere den uavhengige variabelen. Periodverdien brukes til å bestemme antall observasjoner som skal brukes til å beregne glidende gjennomsnitt For eksempel i en 50-dagers glidende gjennomsnitt der datapunktene er daglige observasjoner, bør perioden settes til 50. Perioden brukes også til å bestemme mengden av fremtidige perioder t hue kan effektivt prognostiseres Med et 50 dagers glidende gjennomsnitt, kan vi ikke med rimelighet - med noen grad av nøyaktighet - prognose mer enn 50 dager utover den siste perioden for hvilke data er tilgjengelige. Dette kan være mer gunstig enn en 10-dagers periode, hvor vi bare kunne forutsi rimelig 10 dager utover den siste perioden. Parameters periode - antall observasjoner som skal brukes til å beregne det bevegelige gjennomsnittet. Konstruerer en ny flytende gjennomsnittlig prognosemodell, ved hjelp av det oppgitte navnet som den uavhengige variabelen og den angitte perioden. Parametre independentVariable - navnet på den uavhengige variabelen som skal brukes i denne modellperioden - antall observasjoner som skal brukes til å beregne det bevegelige gjennomsnittet. Brukes til å initialisere den bevegelige gjennomsnittsmodellen Denne metoden må kalles før noen annen metode i klassen Siden den Flytende gjennomsnittlig modell utleder ikke noen ligning for prognoser, denne metoden bruker inngangsdataet til å beregne prognoseværdier for alle gyldige verdier av uavhengig ti meg variable. Specified av init i grensesnitt ForecastingModel Overrides init i klassen AbstractTimeBasedModel Parameters dataSet - et datasett med observasjoner som kan brukes til å initialisere prognoseparametrene til prognosemodellen. Returnerer et eller to ordnavn for denne typen prognosemodell. Keep denne korte En lengre beskrivelse bør implementeres i toString-metoden. Dette bør overstyres for å gi en tekstbeskrivelse av den nåværende prognosemodellen inkludert, hvor det er mulig, noen avledede parametere som brukes. Spesifisert av toString i grensesnitt ForecastingModel Overrides toString i klassen WeightedMovingAverageModel Returnerer en strengrepresentasjon av den nåværende prognosemodellen og dens parametere. En tidsserie er en sekvens av observasjoner av en periodisk tilfeldig variabel. Eksempler er den månedlige etterspørselen etter et produkt, den årlige innkjøpsmannens innmelding i en avdeling ved universitetet og de daglige strømmer i en River Time-serien er viktig for operasjonsforskning fordi de er ofte førere av beslutningsmodeller En opptaksmodell krever estimater av fremtidige krav, en kursplanlegging og bemanningsmodell for en universitetsavdeling krever estimater for fremtidig studentinstrømning, og en modell for å gi advarsler til befolkningen i et elvområde krever estimater av elv flyter for umiddelbar fremtid. Tidsserieanalyse gir verktøy for å velge en modell som beskriver tidsseriene og bruker modellen til å prognostisere fremtidige hendelser. Modellering av tidsseriene er et statistisk problem fordi observerte data benyttes i beregningsmetode for å estimere koeffisientene til en antatte modellmodeller antar at observasjoner varierer tilfeldigvis med en underliggende middelverdi som er en funksjon av tiden. På disse sidene begrenser vi oppmerksomheten ved å bruke historiske tidsseriedata for å estimere en tidsavhengig modell. Metodene passer for automatisk, kortsiktig prognose av ofte brukt informasjon der de underliggende årsakene til tidsvariasjon ikke er chan gikk markant i tid I ​​praksis blir prognosene avledet av disse metodene senere modifisert av menneskelige analytikere som inkorporerer informasjon som ikke er tilgjengelig fra de historiske dataene. Vårt primære formål i denne delen er å presentere ligningene for de fire prognosemetoder som brukes i prognosen legger til - i glidende gjennomsnitt, eksponensiell utjevning, regresjon og dobbel eksponensiell utjevning Disse kalles utjevningsmetoder. Metoder som ikke vurderes, inkluderer kvalitative prognoser, multiple regresjon og autoregressive metoder ARIMA De som er interessert i mer omfattende dekning, bør besøke nettstedet for Forecasting Principles eller lese en av de flere gode bøker om emnet Vi brukte bokprognosen av Makridakis, Wheelwright og McGee, John Wiley Sons, 1983. For å bruke Excel Exempler-arbeidsboken må du ha installasjonsprogrammet Forecasting installert. Velg Relink-kommandoen for å etablere linkene til tillegget - in. Denne siden beskriver modellene som brukes til enkel prognose og notasjonsbruk d for analysen. Denne enkleste prognosemetoden er den bevegelige gjennomsnittlige prognosen. Metoden er bare gjennomsnitt av de siste m-observasjonene. Det er nyttig for tidsserier med en sakte endring av gjennomsnitt. Denne metoden vurderer hele fortiden i prognosen, men veier nyere erfaring mer tungt enn mindre nylig Beregningene er enkle fordi bare estimatet fra forrige periode og de nåværende dataene bestemmer det nye estimatet. Metoden er nyttig for tidsserier med en sakte endringsmiddel. Den bevegelige gjennomsnittlige metoden svarer ikke godt til en tidsserie som øker eller avtar med tiden Her inkluderer vi et lineært trenduttrykk i modellen. Regresjonsmetoden tilnærmer seg modellen ved å konstruere en lineær ligning som gir de minste firkanter som passer til de siste m-observasjonene.