متوسط التنبؤ تقنيات المتحركة و

المتوسطات المتحركة: كيفية استخدامها بعض الوظائف الأساسية للمتوسط ​​المتحرك هي تحديد الاتجاهات والعكس. وقياس قوة زخم الأصول وتحديد المجالات المحتملة حيث يجد الأصول الدعم أو المقاومة. في هذا القسم سوف نشير إلى كيف يمكن لفترات زمنية مختلفة رصد الزخم وكيف أن المتوسطات المتحركة يمكن أن تكون مفيدة في تحديد وقف الخسارة. وعلاوة على ذلك، سوف نتناول بعض القدرات والقيود المفروضة على المتوسطات المتحركة التي ينبغي للمرء أن تنظر عند استخدامها كجزء من روتين التداول. الاتجاه يعتبر تحديد الاتجاهات إحدى الوظائف الرئيسية للمتوسط ​​المتحرك، والتي يستخدمها معظم التجار الذين يسعون إلى جعل هذا الاتجاه صديقا لهم. المتوسطات المتحركة هي مؤشرات متخلفة. مما يعني أنها لا تتنبأ بالاتجاهات الجديدة، ولكنها تؤكد الاتجاهات بمجرد إنشائها. كما ترون في الشكل 1، يعتبر السهم في اتجاه صعودي عندما يكون السعر فوق المتوسط ​​المتحرك والمتوسط ​​ينحدر صعودا. على العكس من ذلك، فإن المتداول سوف يستخدم سعر أدنى من المتوسط ​​الهبوطي لتأكيد اتجاه هبوطي. سوف ينظر العديد من المتداولين فقط في الاحتفاظ بمركز طويل في الأصل عندما يتداول السعر فوق المتوسط ​​المتحرك. هذه القاعدة البسيطة يمكن أن تساعد في ضمان أن الاتجاه يعمل في صالح التجار. الزخم العديد من التجار المبتدئين يسألون كيف يمكن قياس الزخم وكيف يمكن استخدام المتوسطات المتحركة لمعالجة مثل هذا الفذ. الجواب البسيط هو إيلاء اهتمام وثيق للفترات الزمنية المستخدمة في إنشاء المتوسط، حيث أن كل فترة زمنية يمكن أن توفر رؤية قيمة في أنواع مختلفة من الزخم. بشكل عام، يمكن قياس الزخم على المدى القصير من خلال النظر في المتوسطات المتحركة التي تركز على الفترات الزمنية من 20 يوما أو أقل. ويعتبر النظر إلى المتوسطات المتحركة التي يتم إنشاؤها مع فترة من 20 إلى 100 يوما عموما مقياسا جيدا للزخم على المدى المتوسط. وأخيرا، يمكن استخدام أي متوسط ​​متحرك يستخدم 100 يوم أو أكثر في الحساب كمقياس للزخم على المدى الطويل. يجب أن يخبرك الحس السليم بأن المتوسط ​​المتحرك لمدة 15 يوما هو مقياس أكثر ملاءمة للزخم على المدى القصير من المتوسط ​​المتحرك لمدة 200 يوم. واحدة من أفضل الطرق لتحديد قوة واتجاه الزخم الأصول هو وضع ثلاثة المتوسطات المتحركة على الرسم البياني ومن ثم إيلاء اهتمام وثيق لكيفية رصها فيما يتعلق بعضها البعض. والمتوسطات المتحركة الثلاثة المستخدمة عموما لها أطر زمنية مختلفة في محاولة لتمثيل تحركات أسعار قصيرة الأجل ومتوسطة الأجل وطويلة الأجل. في الشكل 2، ينظر إلى الزخم التصاعدي القوي عندما تكون المتوسطات قصيرة الأجل فوق المتوسطات الأطول أجلا والمتوسطين متباينان. وعلى العكس من ذلك، عندما تكون المتوسطات القصيرة الأجل أقل من المتوسطات الأطول أجلا، يكون الزخم في الاتجاه الهبوطي. الدعم هناك استخدام شائع آخر للمتوسطات المتحركة في تحديد الدعم السعري المحتمل. وهي لا تأخذ الكثير من الخبرة في التعامل مع المتوسطات المتحركة لتلاحظ أن هبوط سعر الأصل غالبا ما يتوقف وعكس الاتجاه عند نفس المستوى كمتوسط ​​مهم. على سبيل المثال، في الشكل 3 يمكنك أن ترى أن المتوسط ​​المتحرك لمدة 200 يوم كان قادرا على دعم سعر السهم بعد أن انخفض من ارتفاعه بالقرب من 32. العديد من التجار سوف تتوقع ارتدادا عن المتوسطات المتحركة الرئيسية وسوف تستخدم أخرى المؤشرات الفنية تأكيدا للتحرك المتوقع. المقاومة بمجرد انخفاض سعر الأصل دون مستوى مؤثر من الدعم، مثل المتوسط ​​المتحرك ل 200 يوم، فإنه ليس من غير المألوف أن نرى المتوسط ​​بمثابة حاجز قوي يمنع المستثمرين من دفع السعر إلى أعلى من ذلك المتوسط. كما ترون من الرسم البياني أدناه، وغالبا ما يستخدم هذه المقاومة من قبل التجار كعلامة على تحقيق الأرباح أو لإغلاق أي مراكز طويلة القائمة. العديد من الباعة القصيرين سوف يستخدمون هذه المعدلات كنقاط دخول لأن السعر غالبا ما يستبعد المقاومة ويستمر تحركه أقل. إذا كنت مستثمرا يحتفظ بمركز طويل في الأصول التي تتداول تحت المتوسطات المتحركة الرئيسية، قد يكون من مصلحة قصارى لمشاهدة هذه المستويات عن كثب لأنها يمكن أن تؤثر بشكل كبير على قيمة الاستثمار الخاص. وقف الخسارة خصائص الدعم والمقاومة للمتوسطات المتحركة تجعلها أداة عظيمة لإدارة المخاطر. إن قدرة المتوسطات المتحركة على تحديد الأماكن الاستراتيجية لتحديد أوامر وقف الخسارة تسمح للمتداولين بقطع المراكز الخاسرة قبل أن يتمكنوا من النمو بشكل أكبر. كما ترون في الشكل 5، التجار الذين يحملون موقف طويل في الأسهم ووضع أوامر وقف الخسارة أدناه المتوسطات المؤثرة يمكن أن تنقذ نفسها الكثير من المال. استخدام المتوسطات المتحركة لتحديد أوامر وقف الخسارة هو المفتاح لأي استراتيجية تجارية ناجحة. المتوسط ​​المتحرك ونماذج التمهيد الأسي كخطوة أولى في التحرك خارج النماذج المتوسطة، نماذج المشي العشوائي، ونماذج الاتجاه الخطي، يمكن استنباط الأنماط والاتجاهات غير التقليدية باستخدام نموذج متحرك أو تمهيد. الافتراض الأساسي وراء المتوسطات ونماذج التمهيد هو أن السلاسل الزمنية ثابتة محليا بمتوسط ​​متغير ببطء. وبالتالي، فإننا نأخذ متوسطا متحركا (محلي) لتقدير القيمة الحالية للمتوسط ​​ومن ثم استخدامه كمؤشر للمستقبل القريب. ويمكن اعتبار ذلك بمثابة حل توفيقي بين النموذج المتوسط ​​ونموذج المشي العشوائي بدون الانجراف. ويمكن استخدام نفس الاستراتيجية لتقدير الاتجاه المحلي واستقراءه. وعادة ما يطلق على المتوسط ​​المتحرك نسخة كوتسموثيدكوت من السلسلة الأصلية لأن المتوسط ​​على المدى القصير له تأثير على إزالة المطبات في السلسلة الأصلية. من خلال تعديل درجة التمهيد (عرض المتوسط ​​المتحرك)، يمكننا أن نأمل في ضرب نوع من التوازن الأمثل بين أداء المتوسط ​​و نماذج المشي العشوائي. أبسط نوع من نموذج المتوسط ​​هو. المتوسط ​​المتحرك البسيط (بالتساوي المرجح): تقدر قيمة قيمة Y في الوقت t1 التي يتم إجراؤها في الوقت t بالمتوسط ​​البسيط لآخر ملاحظات m: (هنا وفي مكان آخر سأستخدم الرمز 8220Y-hat8221 للوقوف للتنبؤ بالسلسلة الزمنية Y التي أجريت في أقرب موعد ممكن من قبل نموذج معين.) ويتركز هذا المتوسط ​​في الفترة t - (m1) 2، مما يعني أن تقدير المتوسط ​​المحلي سوف تميل إلى التخلف عن الحقيقة قيمة المتوسط ​​المحلي بنحو (m1) فترتين. وبالتالي، نقول أن متوسط ​​عمر البيانات في المتوسط ​​المتحرك البسيط هو (m1) 2 بالنسبة إلى الفترة التي يتم فيها احتساب التوقعات: هذا هو مقدار الوقت الذي تميل التنبؤات إلى التخلف عن نقاط التحول في البيانات . على سبيل المثال، إذا كنت تقوم بحساب متوسط ​​القيم الخمس الأخيرة، فإن التوقعات ستكون حوالي 3 فترات متأخرة في الاستجابة لنقاط التحول. ويلاحظ أنه في حالة M1، فإن نموذج المتوسط ​​المتحرك البسيط (سما) يساوي نموذج المشي العشوائي (بدون نمو). وإذا كانت m كبيرة جدا (مماثلة لطول فترة التقدير)، فإن نموذج سما يعادل النموذج المتوسط. وكما هو الحال مع أي معلمة لنموذج التنبؤ، من العرفي أن تعدل قيمة k من أجل الحصول على أفضل قيمة ممكنة للبيانات، أي أصغر أخطاء التنبؤ في المتوسط. وفيما يلي مثال لسلسلة يبدو أنها تظهر تقلبات عشوائية حول متوسط ​​متغير ببطء. أولا، يتيح محاولة لتناسب ذلك مع نموذج المشي العشوائي، وهو ما يعادل متوسط ​​متحرك بسيط من 1 مصطلح: نموذج المشي العشوائي يستجيب بسرعة كبيرة للتغيرات في هذه السلسلة، ولكن في ذلك يفعل ذلك يختار الكثير من كوتنويسكوت في البيانات (التقلبات العشوائية) وكذلك كوتسيغنالكوت (المتوسط ​​المحلي). إذا حاولنا بدلا من ذلك متوسط ​​متحرك بسيط من 5 مصطلحات، نحصل على مجموعة أكثر سلاسة من التوقعات: المتوسط ​​المتحرك البسيط لمدة 5 سنوات ينتج أخطاء أقل بكثير من نموذج المشي العشوائي في هذه الحالة. متوسط ​​عمر البيانات في هذه التوقعات هو 3 ((51) 2)، بحيث تميل إلى التخلف عن نقاط التحول بنحو ثلاث فترات. (على سبيل المثال، يبدو أن الانكماش قد حدث في الفترة 21، ولكن التوقعات لا تتحول حتى عدة فترات في وقت لاحق). لاحظ أن التوقعات على المدى الطويل من نموذج سما هي خط مستقيم أفقي، تماما كما في المشي العشوائي نموذج. وبالتالي، يفترض نموذج سما أنه لا يوجد اتجاه في البيانات. ومع ذلك، في حين أن التنبؤات من نموذج المشي العشوائي هي ببساطة مساوية للقيمة الملاحظة الأخيرة، والتنبؤات من نموذج سما يساوي المتوسط ​​المرجح للقيم الأخيرة. إن حدود الثقة المحسوبة من قبل ستاتغرافيكس للتنبؤات طويلة الأجل للمتوسط ​​المتحرك البسيط لا تتسع مع زيادة أفق التنبؤ. ومن الواضح أن هذا غير صحيح لسوء الحظ، لا توجد نظرية إحصائية أساسية تخبرنا كيف يجب أن تتسع فترات الثقة لهذا النموذج. ومع ذلك، ليس من الصعب جدا حساب التقديرات التجريبية لحدود الثقة للتنبؤات الأطول أجلا. على سبيل المثال، يمكنك إعداد جدول بيانات سيتم فيه استخدام نموذج سما للتنبؤ بخطوتين إلى الأمام، و 3 خطوات إلى الأمام، وما إلى ذلك ضمن عينة البيانات التاريخية. يمكنك بعد ذلك حساب الانحرافات المعيارية للعينة في كل أفق للتنبؤ، ومن ثم بناء فترات ثقة للتنبؤات الأطول أجلا عن طريق جمع وطرح مضاعفات الانحراف المعياري المناسب. إذا حاولنا متوسط ​​متحرك بسيط لمدة 9 سنوات، نحصل على توقعات أكثر سلاسة وأكثر تأثيرا متخلفا: متوسط ​​العمر هو الآن 5 فترات ((91) 2). إذا أخذنا متوسط ​​متحرك لمدة 19 عاما، فإن متوسط ​​العمر يزيد إلى 10: لاحظ أن التوقعات تتخلف الآن عن نقاط التحول بنحو 10 فترات. أي كمية من التجانس هو الأفضل لهذه السلسلة هنا جدول يقارن إحصاءات الخطأ، بما في ذلك أيضا متوسط ​​3 المدى: نموذج C، المتوسط ​​المتحرك لمدة 5 سنوات، ينتج أقل قيمة رمز بهامش صغير على 3 المتوسطات و 9-المدى، وإحصاءاتهم الأخرى متطابقة تقريبا. لذلك، من بين نماذج مع إحصاءات الخطأ مشابهة جدا، يمكننا أن نختار ما إذا كنا نفضل استجابة أكثر قليلا أو أكثر قليلا نعومة في التوقعات. (العودة إلى أعلى الصفحة.) براونز بسيط الأسي تمهيد (المتوسط ​​المتحرك المرجح أضعافا) نموذج المتوسط ​​المتحرك البسيط المذكورة أعلاه لديه الخاصية غير المرغوب فيها أنه يعامل الملاحظات k الماضية بالتساوي تماما ويتجاهل جميع الملاحظات السابقة. بشكل حدسي، يجب أن يتم خصم البيانات السابقة بطريقة أكثر تدرجية - على سبيل المثال، يجب أن تحصل على الملاحظة الأخيرة أكثر قليلا من الوزن الثاني من أحدث، و 2 أحدث يجب الحصول على وزن أكثر قليلا من 3 أحدث، و هكذا. نموذج التمهيد الأسي بسيط (سيس) يحقق هذا. اسمحوا 945 تدل على كونتسموثينغ كونستانتكوت (عدد بين 0 و 1). طريقة واحدة لكتابة النموذج هو تعريف سلسلة L التي تمثل المستوى الحالي (أي القيمة المتوسطة المحلية) من السلسلة كما يقدر من البيانات حتى الوقت الحاضر. يتم حساب قيمة L في الوقت t بشكل متكرر من قيمته السابقة مثل هذا: وهكذا، فإن القيمة الملساء الحالية هي الاستكمال الداخلي بين القيمة الملساء السابقة والمراقبة الحالية، حيث 945 تسيطر على التقارب من قيمة محرف إلى الأحدث الملاحظة. التوقعات للفترة القادمة هي ببساطة القيمة الملساء الحالية: على نحو مماثل، يمكننا التعبير عن التوقعات القادمة مباشرة من حيث التوقعات السابقة والملاحظات السابقة، في أي من الإصدارات المكافئة التالية. في النسخة الأولى، والتنبؤ هو الاستيفاء بين التوقعات السابقة والملاحظة السابقة: في النسخة الثانية، ويتم الحصول على التوقعات القادمة عن طريق ضبط التوقعات السابقة في اتجاه الخطأ السابق من قبل كمية كسور 945. هو الخطأ المحرز في الوقت t. أما في النسخة الثالثة، فإن التنبؤ هو المتوسط ​​المتحرك المرجح ألسعاره (أي مخفضة) مع عامل الخصم 1- 945: إصدار الاستكمال الداخلي لصيغة التنبؤ هو أبسط الاستخدام إذا كنت تنفذ النموذج على جدول بيانات: خلية واحدة ويحتوي على مراجع الخلية مشيرا إلى التوقعات السابقة، الملاحظة السابقة، والخلية حيث يتم تخزين قيمة 945. لاحظ أنه إذا كان 945 1، فإن نموذج سيس يساوي نموذج المشي العشوائي (بدون نمو). وإذا كان 945 0، فإن نموذج سيس يعادل النموذج المتوسط، على افتراض أن القيمة الملساء الأولى موضوعة تساوي المتوسط. (العودة إلى أعلى الصفحة). يبلغ متوسط ​​عمر البيانات في توقعات التمهيد الأسي البسيط 945 1 بالنسبة للفترة التي يتم فيها حساب التوقعات. (وهذا ليس من المفترض أن يكون واضحا، ولكن يمكن بسهولة أن تظهر من خلال تقييم سلسلة لانهائية). وبالتالي، فإن متوسط ​​المتوسط ​​المتحرك بسيط يميل إلى التخلف عن نقاط التحول بنحو 1 945 فترات. على سبيل المثال، عندما يكون 945 0.5 الفارق الزمني هو فترتين عندما يكون 945 0.2 الفارق الزمني هو 5 فترات عندما يكون 945 0.1 الفارق الزمني هو 10 فترات، وهكذا. وبالنسبة إلى متوسط ​​عمر معين (أي مقدار التأخير)، فإن توقعات التمهيد الأسي البسيط تفوق إلى حد ما توقعات المتوسط ​​المتحرك البسيط (سما) لأنها تضع وزنا أكبر نسبيا على الملاحظة الأخيرة - أي. هو أكثر قليلا كوريبرسونسيفكوت إلى التغييرات التي تحدث في الماضي القريب. على سبيل المثال، نموذج سما مع 9 شروط ونموذج سيس مع 945 0.2 على حد سواء لديها متوسط ​​عمر 5 للبيانات في توقعاتها، ولكن نموذج سيس يضع وزنا أكبر على القيم 3 الماضية مما يفعل نموذج سما وفي في الوقت نفسه فإنه don8217t تماما 8220forget8221 حول قيم أكثر من 9 فترات القديمة، كما هو مبين في هذا المخطط: ميزة أخرى هامة من نموذج سيس على نموذج سما هو أن نموذج سيس يستخدم معلمة تمهيد التي هي متغيرة باستمرار، لذلك يمكن بسهولة الأمثل باستخدام خوارزمية كوتسولفيركوت لتقليل متوسط ​​الخطأ التربيعي. وتبين القيمة المثلى ل 945 في نموذج سيس لهذه السلسلة 0.2961، كما هو مبين هنا: متوسط ​​عمر البيانات في هذا التنبؤ هو 10.2961 3.4 فترات، وهو ما يشبه متوسط ​​المتوسط ​​المتحرك البسيط لمدة 6. والتنبؤات الطويلة الأجل من نموذج الخدمة الاقتصادية والاجتماعية هي خط مستقيم أفقي. كما هو الحال في نموذج سما ونموذج المشي العشوائي دون نمو. ومع ذلك، لاحظ أن فترات الثقة التي يحسبها ستاتغرافيكس الآن تتباعد بطريقة معقولة المظهر، وأنها هي أضيق بكثير من فترات الثقة لنموذج المشي العشوائي. ويفترض نموذج سيس أن المسلسل إلى حد ما يمكن التنبؤ به أكثر من ذلك لا نموذج المشي العشوائي. نموذج سيس هو في الواقع حالة خاصة من نموذج أريما. وبالتالي فإن النظرية الإحصائية لنماذج أريما توفر أساسا سليما لحساب فترات الثقة لنموذج سيس. على وجه الخصوص، نموذج سيس هو نموذج أريما مع اختلاف واحد غير منطقي، وهو ما (1) المدى، وليس هناك مصطلح ثابت. والمعروف باسم كوتاريما (0،1،1) نموذج دون كونستانتكوت. معامل ما (1) في نموذج أريما يتوافق مع الكمية 1- 945 في نموذج سيس. على سبيل المثال، إذا كنت تناسب نموذج أريما (0،1،1) دون ثابت لسلسلة تحليلها هنا، فإن ما المقدرة (1) معامل تبين أن يكون 0.7029، وهو تقريبا تقريبا واحد ناقص 0.2961. ومن الممكن إضافة افتراض اتجاه خطي ثابت غير صفري إلى نموذج سيس. للقيام بذلك، مجرد تحديد نموذج أريما مع اختلاف واحد نونسونالونال و ما (1) المدى مع ثابت، أي أريما (0،1،1) نموذج مع ثابت. وعندئذ سيكون للتنبؤات الطويلة الأجل اتجاه يساوي متوسط ​​الاتجاه الذي لوحظ خلال فترة التقدير بأكملها. لا يمكنك القيام بذلك بالتزامن مع التعديل الموسمية، لأن خيارات التعديل الموسمية يتم تعطيل عند تعيين نوع النموذج إلى أريما. ومع ذلك، يمكنك إضافة اتجاه أسي ثابت على المدى الطويل إلى نموذج بسيط الأسي تمهيد (مع أو بدون تعديل موسمي) باستخدام خيار تعديل التضخم في إجراء التنبؤ. ويمكن تقدير معدل كوتينفلاتيونكوت المناسب (نسبة النمو) لكل فترة على أنها معامل الانحدار في نموذج الاتجاه الخطي المجهز بالبيانات بالتزامن مع تحول لوغاريتم طبيعي، أو يمكن أن يستند إلى معلومات مستقلة أخرى تتعلق باحتمالات النمو على المدى الطويل . (العودة إلى أعلى الصفحة). البني الخطي (أي مزدوج) تجانس الأسي نماذج سما ونماذج سيس تفترض أنه لا يوجد أي اتجاه من أي نوع في البيانات (التي عادة ما تكون موافق أو على الأقل ليست سيئة جدا لمدة 1- والتنبؤ بالمتابعة عندما تكون البيانات صاخبة نسبيا)، ويمكن تعديلها لإدراج اتجاه خطي ثابت كما هو مبين أعلاه. ماذا عن الاتجاهات على المدى القصير إذا كانت سلسلة يعرض معدل نمو متفاوت أو نمط دوري الذي يبرز بوضوح ضد الضوضاء، وإذا كان هناك حاجة للتنبؤ أكثر من 1 فترة المقبلة، ثم قد يكون تقدير الاتجاه المحلي أيضا قضية. ويمكن تعميم نموذج التمهيد الأسي البسيط للحصول على نموذج تمهيد أسي خطي (ليس) يحسب التقديرات المحلية لكل من المستوى والاتجاه. أبسط نموذج الاتجاه المتغير بمرور الوقت هو نموذج تمهيد الأسي الخطي براون، والذي يستخدم سلسلتين مختلفتين تمهيدهما تتمركزان في نقاط مختلفة من الزمن. وتستند صيغة التنبؤ إلى استقراء خط من خلال المركزين. (ويمكن مناقشة الشكل الأكثر تطورا من هذا النموذج، هولت 8217s أدناه). ويمكن التعبير عن شكل جبري من نموذج التجانس الأسي الخطي البني 8217s، مثل نموذج التجانس الأسي البسيط، في عدد من الأشكال المختلفة ولكن المكافئة. وعادة ما يعبر عن الشكل المعياري للنموذج من هذا النموذج على النحو التالي: اسمحوا S تدل على سلسة سلسة السلسلة التي تم الحصول عليها عن طريق تطبيق تمهيد الأسي بسيط لسلسلة Y. وهذا هو، يتم إعطاء قيمة S في الفترة t من قبل: (أذكر أنه تحت بسيطة الأسفل، وهذا سيكون التنبؤ ل Y في الفترة t1.) ثم اسمحوا سكوت تدل على سلسلة مضاعفة مضاعفة التي تم الحصول عليها من خلال تطبيق التمهيد الأسي بسيطة (باستخدام نفس 945) لسلسلة S: وأخيرا، والتوقعات ل تك تك. عن أي kgt1، تعطى بواسطة: هذه الغلة e 1 0 (أي الغش قليلا، والسماح للتوقعات الأولى تساوي الملاحظة الأولى الفعلية)، و e 2 Y 2 8211 Y 1. وبعد ذلك يتم توليد التنبؤات باستخدام المعادلة أعلاه. وهذا يعطي نفس القيم المجهزة كالصيغة المستندة إلى S و S إذا كانت الأخيرة قد بدأت باستخدام S 1 S 1 Y 1. يستخدم هذا الإصدار من النموذج في الصفحة التالية التي توضح مجموعة من التجانس الأسي مع التعديل الموسمية. هولت 8217s الخطي الأسي تمهيد البني 8217s نموذج ليس يحسب التقديرات المحلية من المستوى والاتجاه من خلال تمهيد البيانات الأخيرة، ولكن حقيقة أنه يفعل ذلك مع معلمة تمهيد واحد يضع قيدا على أنماط البيانات التي هي قادرة على تناسب: المستوى والاتجاه لا يسمح لها أن تختلف بمعدلات مستقلة. ويعالج نموذج هولت 8217s ليس هذه المسألة عن طريق تضمين اثنين من الثوابت تمهيد، واحدة للمستوى واحد للاتجاه. في أي وقت t، كما هو الحال في نموذج Brown8217s، هناك تقدير ل t من المستوى المحلي وتقدير t ر للاتجاه المحلي. وهنا يتم حسابها بشكل متكرر من قيمة Y الملاحظة في الوقت t والتقديرات السابقة للمستوى والاتجاه من خلال معادلتين تنطبقان على تمهيد أسي لها بشكل منفصل. وإذا كان المستوى المقدر والاتجاه في الوقت t-1 هما L t82091 و T t-1. على التوالي، فإن التنبؤ ب Y تشي الذي كان سيجري في الوقت t-1 يساوي L t-1 T t-1. وعند ملاحظة القيمة الفعلية، يحسب التقدير المحدث للمستوى بصورة متكررة بالاستكمال الداخلي بين Y تشي وتوقعاته L t-1 T t-1 باستعمال أوزان 945 و1-945. والتغير في المستوى المقدر، وهي L t 8209 L t82091. يمكن تفسيرها على أنها قياس صاخبة للاتجاه في الوقت t. ثم يتم حساب التقدير المحدث للاتجاه بشكل متكرر عن طريق الاستكمال الداخلي بين L t 8209 L t82091 والتقدير السابق للاتجاه T t-1. وذلك باستخدام أوزان 946 و 1-946: تفسير ثابت ثابت تمهيد 946 مماثل لتلك التي من 9500 تمهيد مستوى ثابت. نماذج ذات قيم صغيرة من 946 نفترض أن الاتجاه يتغير ببطء شديد مع مرور الوقت، في حين أن النماذج مع أكبر 946 تفترض أنها تتغير بسرعة أكبر. ويعتقد نموذج مع كبير 946 أن المستقبل البعيد غير مؤكد جدا، لأن الأخطاء في تقدير الاتجاه تصبح مهمة جدا عند التنبؤ أكثر من فترة واحدة المقبلة. (العودة إلى أعلى الصفحة). ويمكن تقدير ثوابت التنعيم 945 و 946 بالطريقة المعتادة من خلال تقليل الخطأ المتوسط ​​التربيعي للتنبؤات ذات الخطوة الأولى. عندما يتم ذلك في ستاترافيكس، وتظهر التقديرات إلى أن 945 0.3048 و 946 0.008. القيمة الصغيرة جدا 946 تعني أن النموذج يفترض تغير طفيف جدا في الاتجاه من فترة إلى أخرى، وذلك أساسا هذا النموذج هو محاولة لتقدير الاتجاه على المدى الطويل. وبالمقارنة مع فكرة متوسط ​​عمر البيانات المستخدمة في تقدير المستوى المحلي للسلسلة، فإن متوسط ​​عمر البيانات المستخدمة في تقدير الاتجاه المحلي يتناسب مع 1 946، وإن لم يكن يساويها بالضبط . في هذه الحالة تبين أن تكون 10.006 125. هذا هو 8217t عدد دقيق جدا بقدر دقة تقدير 946 isn8217t حقا 3 المنازل العشرية، ولكن من نفس الترتيب العام من حيث حجم العينة من 100، لذلك هذا النموذج هو المتوسط ​​على مدى الكثير جدا من التاريخ في تقدير هذا الاتجاه. ويبين مخطط التنبؤ الوارد أدناه أن نموذج ليس يقدر اتجاه محلي أكبر قليلا في نهاية السلسلة من الاتجاه الثابت المقدر في نموذج سيترند. كما أن القيمة المقدرة ل 945 تكاد تكون مطابقة لتلك التي تم الحصول عليها من خلال تركيب نموذج سيس مع أو بدون اتجاه، لذلك هذا هو تقريبا نفس النموذج. الآن، هل هذه تبدو وكأنها توقعات معقولة لنموذج من المفترض أن يكون تقدير الاتجاه المحلي إذا كنت 8220eyeball8221 هذه المؤامرة، يبدو كما لو أن الاتجاه المحلي قد تحولت إلى أسفل في نهاية السلسلة ما حدث المعلمات من هذا النموذج قد تم تقديرها من خلال تقليل الخطأ المربعة للتنبؤات 1-خطوة إلى الأمام، وليس التنبؤات على المدى الطويل، في هذه الحالة لا يوجد 8217t الاتجاه الكثير من الفرق. إذا كان كل ما كنت تبحث في 1-خطوة قبل الأخطاء، كنت لا ترى الصورة الأكبر للاتجاهات أكثر (مثلا) 10 أو 20 فترات. من أجل الحصول على هذا النموذج أكثر في تناغم مع استقراء العين مقلة العين من البيانات، يمكننا ضبط ثابت الاتجاه تجانس يدويا بحيث يستخدم خط الأساس أقصر لتقدير الاتجاه. على سبيل المثال، إذا اخترنا تعيين 946 0.1، ثم متوسط ​​عمر البيانات المستخدمة في تقدير الاتجاه المحلي هو 10 فترات، وهو ما يعني أننا متوسط ​​متوسط ​​الاتجاه على مدى تلك الفترات 20 الماضية أو نحو ذلك. Here8217s ما مؤامرة توقعات يبدو وكأننا وضعنا 946 0.1 مع الحفاظ على 945 0.3. هذا يبدو معقولا بشكل حدسي لهذه السلسلة، على الرغم من أنه من المحتمل أن يستقضي هذا الاتجاه أي أكثر من 10 فترات في المستقبل. ماذا عن إحصائيات الخطأ هنا هو مقارنة نموذج للنموذجين المبينين أعلاه وكذلك ثلاثة نماذج سيس. القيمة المثلى 945. لنموذج سيس هو تقريبا 0.3، ولكن يتم الحصول على نتائج مماثلة (مع استجابة أكثر قليلا أو أقل، على التوالي) مع 0.5 و 0.2. (A) هولتس الخطي إكس. تمهيد مع ألفا 0.3048 وبيتا 0.008 (B) هولتس الخطية إكس. تمهيد مع ألفا 0.3 و بيتا 0.1 (C) تمهيد الأسي بسيط مع ألفا 0.5 (D) تمهيد الأسي بسيطة مع ألفا 0.3 (E) بسيطة الأسي تمهيد مع ألفا 0.2 احصائياتهم متطابقة تقريبا، لذلك نحن حقا يمكن 8217t جعل الاختيار على أساس من 1-خطوة قبل توقعات الأخطاء داخل عينة البيانات. وعلينا أن نعود إلى الاعتبارات الأخرى. إذا كنا نعتقد اعتقادا قويا أنه من المنطقي أن يستند تقدير الاتجاه الحالي على ما حدث على مدى السنوات ال 20 الماضية أو نحو ذلك، يمكننا أن نجعل من حالة لنموذج ليس مع 945 0.3 و 946 0.1. إذا أردنا أن نكون ملحدين حول ما إذا كان هناك اتجاه محلي، فإن أحد نماذج سيس قد يكون من الأسهل تفسيره، كما سيوفر المزيد من توقعات منتصف الطريق للفترات الخمس أو العشر القادمة. (العودة إلى أعلى الصفحة). أي نوع من الاستقراء هو الأفضل: أدلة أفقية أو خطية تشير إلى أنه إذا تم تعديل البيانات (إذا لزم الأمر) للتضخم، فقد يكون من غير الحكمة استقراء الخطي القصير الأجل الاتجاهات بعيدة جدا في المستقبل. إن الاتجاهات الواضحة اليوم قد تتراجع في المستقبل بسبب أسباب متنوعة مثل تقادم المنتج، وزيادة المنافسة، والانكماش الدوري أو التحولات في صناعة ما. لهذا السبب، تجانس الأسي بسيط غالبا ما يؤدي أفضل من خارج العينة مما قد يكون من المتوقع خلاف ذلك، على الرغم من كوتنيفيكوت الاتجاه الأفقي الاستقراء. وكثيرا ما تستخدم أيضا تعديلات الاتجاه المخفف لنموذج تمهيد الأسي الخطي في الممارسة العملية لإدخال ملاحظة المحافظة على توقعات الاتجاه. ويمكن تطبيق نموذج ليس المائل للاتجاه ليس كحالة خاصة لنموذج أريما، ولا سيما نموذج أريما (1،1،2). ومن الممكن حساب فترات الثقة حول التنبؤات طويلة الأجل التي تنتجها نماذج التمهيد الأسي، من خلال اعتبارها حالات خاصة لنماذج أريما. (حذار: لا تحسب جميع البرامج فترات الثقة لهذه النماذج بشكل صحيح). يعتمد عرض فترات الثقة على (1) خطأ رمز في النموذج، (2) نوع التجانس (بسيط أو خطي) (3) القيمة (ق) من ثابت ثابت (ق) و (4) عدد الفترات المقبلة كنت التنبؤ. بشكل عام، انتشرت الفترات بشكل أسرع مع 945 يحصل أكبر في نموذج سيس وانتشرت بشكل أسرع بكثير عندما يتم استخدام خطية بدلا من تجانس بسيط. ويناقش هذا الموضوع بمزيد من التفصيل في قسم نماذج أريما من الملاحظات. (الرجوع إلى أعلى الصفحة). تقنيات التنبؤ بالطلب: متوسط ​​التحرك التماسك الأسي سيناقش هذا الدرس التنبؤ بالطلب مع التركيز على مبيعات السلع والخدمات القائمة. وسوف يعرض التقنيات الكمية للمتوسط ​​المتحرك والتجانس الأسي للمساعدة في تحديد الطلب على المبيعات. ما هو الطلب على الطلب مرة أخرى، في موسم العطلات. الأطفال على استعداد لزيارة من سانتا، ويتم التأكيد على الآباء من خلال التسوق والمالية. وتقوم الشركات بوضع اللمسات الأخيرة على عملياتها في السنة التقويمية والتحضير للانتقال إلى ما هو مستقبلي. تقوم شركة أبك بتصنيع أسلاك الهاتف. فترات حساباتها وعملياتها تشغيل على السنة التقويمية، وبالتالي فإن نهاية العام يسمح لهم لختام العمليات قبل عطلة عطلة وخطة لبداية العام الجديد. حان الوقت للمديرين لإعداد وتقديم خططها التشغيلية الإدارات للإدارة العليا حتى يتمكنوا من وضع خطة عمليات تنظيمية للعام الجديد. يتم التأكيد على قسم المبيعات من عقولهم. وانخفض الطلب على الأسلاك الهاتفية في عام 2015، وتشير البيانات الاقتصادية العامة إلى استمرار الانخفاض في مشاريع البناء التي تتطلب أسلاك الهاتف. بوب، مدير المبيعات، يعرف أن الإدارة العليا، ومجلس الإدارة وأصحاب المصلحة يأملون في توقعات مبيعات متفائلة، لكنه يشعر الجليد من الركود الصناعة تزحف وراء له لمعالجة له. التنبؤ بالطلب هو طريقة إسقاط طلب العملاء على السلعة أو الخدمة. هذه العملية هي عملية مستمرة حيث يستخدم المديرون البيانات التاريخية لحساب ما يتوقعون أن يكون طلب المبيعات على السلعة أو الخدمة. يستخدم بوب المعلومات من الماضي الشركة ويضيف إلى البيانات الاقتصادية من السوق لمعرفة ما إذا كانت المبيعات سوف تنمو أو تنخفض. يستخدم بوب نتائج التنبؤ الطلب لتحديد أهداف لقسم المبيعات، في حين تحاول الحفاظ على تمشيا مع أهداف الشركة. سوف بوب تكون قادرة على تقييم نتائج قسم المبيعات في العام المقبل لتحديد كيف جاءت توقعاته بها. بوب يمكن استخدام تقنيات مختلفة على حد سواء النوعية والكمية لتحديد نمو أو انخفاض المبيعات. وتشمل الأمثلة على التقنيات النوعية: التخمينات المتداولة نظرية سوق التنبؤ نظرية اللعبة تقنية دلفي أمثلة على التقنيات الكمية تشمل: استنباط البيانات نماذج السببية نماذج بوكس ​​جنكينز الأمثلة المذكورة أعلاه لتقنيات التنبؤ بالطلب ليست سوى قائمة قصيرة من الإمكانات المتاحة لبوب كما هو الممارسات الطلب التنبؤ. وسيركز هذا الدرس على أسلوبين كميين إضافيين سهل الاستخدام ويوفران توقعات دقيقة ودقيقة. متوسط ​​المتوسط ​​المتحرك A المتوسط ​​المتحرك هو أسلوب يحسب الاتجاه العام في مجموعة بيانات. في إدارة العمليات، ومجموعة البيانات هي حجم المبيعات من البيانات التاريخية للشركة. هذه التقنية مفيدة جدا للتنبؤ بالاتجاهات قصيرة الأجل. هو ببساطة متوسط ​​مجموعة مختارة من الفترات الزمنية. ويطلق عليه اسمه لأنه يتحسب لأنه رقم الطلب الجديد يحسب لفترة زمنية قادمة، فإن أقدم عدد في مجموعة ينهار، والحفاظ على الفترة الزمنية مقفل. دعونا ننظر إلى مثال على كيفية مدير المبيعات في شركة أبك توقع الطلب باستخدام صيغة المتوسط ​​المتحرك. وتظهر الصيغة على النحو التالي: المتوسط ​​المتحرك (n1 n2 n3.) n حيث n عدد الفترات الزمنية في مجموعة البيانات. وينقسم مجموع الفترة الزمنية الأولى وجميع الفترات الزمنية الإضافية المختارة على عدد الفترات الزمنية. بوب يقرر إنشاء توقعاته الطلب على أساس المتوسط ​​المتحرك لمدة 5 سنوات. وهذا يعني أنه سوف تستخدم بيانات حجم المبيعات من السنوات ال 5 الماضية والبيانات لحساب. التجانس الأسي التجانس الأسي هو تقنية تستخدم ثابت التجانس كمؤشر للتنبؤات المستقبلية. كلما كنت تستخدم عددا في التنبؤ وهذا هو متوسط، تم تمهيده. هذه التقنية تأخذ البيانات التاريخية من الفترات الزمنية السابقة، وتطبيق حساب لتلطيف الأسي للتنبؤ البيانات المستقبلية. في هذه الحالة، سوف بوب أيضا تطبيق تمهيد أسي للمقارنة مع حساب سابق للمتوسط ​​المتحرك للحصول على رأي ثان. الصيغة للتجانس الأسي هي كما يلي. F (t) توقعات عام 2016 F (t-1) توقعات ثابتة ألفا العام السابق تمهيد A (t-1) المبيعات الفعلية من العام السابق ثابت التمهيد هو الوزن الذي يتم تطبيقه على المعادلة على أساس مدى التركيز الشركة الأماكن على أحدث البيانات. ثابت التمهيد هو رقم بين 0 و 1. ثابت التمهيد 0.9 سيشير إلى أن الإدارة تضع الكثير من التركيز على الفترات الزمنية السابقة بيانات المبيعات السابقة. ومن شأن ثابت التمهيد البالغ 0.1 أن يشير إلى أن الإدارة لا تركز إلا قليلا على الفترة الزمنية السابقة. يتم ضرب اختيار ثابت تمهيد أو يغيب ويمكن تعديلها كما تتوفر المزيد من البيانات. سنستخدم الرسم البياني من الأعلى مع حجم المبيعات التاريخي لحساب توقعات التجانس الأسي لعام 2016. هناك عمود إضافي ليشمل حجم المبيعات المتوقع. هذا الحساب هو صيغة فعالة إلى حد ما ودقيقة تماما بالمقارنة مع غيرها من تقنيات التنبؤ الطلب. ملخص الدرس إن التنبؤ بالطلب هو جزء أساسي من خطط الشركة المتوقعة للفترات الزمنية المستقبلية. ويمكن استخدام تقنيات مختلفة، نوعية وكمية على حد سواء، وتوفير مجموعات مختلفة من البيانات للمديرين كما يتوقعون الطلب، وخاصة في حجم المبيعات. ويعتبر المتوسط ​​المتحرك وأساليب التمهيد الأسي أمثلة عادلة على الطرق المستخدمة للمساعدة في التنبؤ بالطلب. لفتح هذا الدرس يجب أن تكون عضوا في الدراسة. إنشاء حسابك كسب الائتمان كلية هل أنت نيلهليب لدينا أكثر من 79 دورات الكلية التي تعد لك لكسب الائتمان عن طريق الامتحان الذي قبله أكثر من 2000 الكليات والجامعات. يمكنك اختبار من العامين الأولين من الكلية وحفظ الآلاف من درجة الخاص بك. يمكن لأي شخص كسب الائتمان عن طريق الامتحان بغض النظر عن العمر أو مستوى التعليم. نقل الائتمان إلى المدرسة التي تختارها لست متأكدا ما الكلية التي ترغب في حضور بعد دراسة لديها الآلاف من المقالات حول كل درجة يمكن تخيلها، مجال الدراسة والمسار الوظيفي التي يمكن أن تساعدك على العثور على المدرسة التي تناسبك. البحث المدارس، الدرجات أمبير وظائف الحصول على معلومات غير منحازة تحتاج إلى العثور على المدرسة المناسبة. تصفح المقالات حسب الفئة