ความหมาย ของการ เคลื่อนไหว ค่าเฉลี่ย การคาดการณ์

กลยุทธ์การคาดการณ์รูปแบบค่าเฉลี่ยเคลื่อนที่ 13 ใช้เพื่อยกเว้นความผิดปกติในรูปแบบชุดข้อมูลเวลากลยุทธ์นี้คำนวณค่าเฉลี่ยของค่าชุดข้อมูลในช่วงเวลาทางประวัติศาสตร์คุณกำหนดช่วงเวลาในอดีตในโปรไฟล์การคาดการณ์หลักสูตรสำหรับ Average Moving Average กลยุทธ์การคาดการณ์นี้ใช้ได้เฉพาะกับชุดเวลาที่มีค่าคงที่สำหรับชุดข้อมูลเวลาที่ไม่มีรูปแบบเหมือนเทรนด์หรือแบบฤดูกาลเนื่องจากข้อมูลทางประวัติศาสตร์ทั้งหมดมีการถ่วงน้ำหนักอย่างเท่าเทียมกันกับปัจจัย 1 n จะใช้เวลา n ช่วงเวลาอย่างแม่นยำสำหรับการคาดการณ์ ปรับเปลี่ยนตามระดับที่เป็นไปได้ไม่มีการคาดการณ์การคาดการณ์ล่วงหน้าโดยใช้กลยุทธ์การคาดการณ์นี้เฉลี่ยที่คาดไว้ - MA. BREAKING DOWN ค่าเฉลี่ยเคลื่อนที่ - MA เป็นตัวอย่าง SMA พิจารณาการรักษาความปลอดภัยโดยมีราคาปิดดังต่อไปนี้เกินกว่า 15 วันสัปดาห์ที่ 1 5 วัน 20, 22, 24, 25, 23.Week 2 5 วัน 26, 28, 26, 29, 27.Week 3 5 วัน 28, 30, 27, 29, 28. MA 10 วันจะเฉลี่ยราคาปิด สำหรับ 10 วันแรกเป็นจุดข้อมูลแรกข้อมูลถัดไป จุดจะลดราคาเร็วที่สุดเพิ่มราคาในวันที่ 11 และใช้ค่าเฉลี่ยและอื่น ๆ ดังที่แสดงไว้ด้านล่างดังที่ระบุไว้ก่อนหน้านี้ MAs ล่าช้าในการดำเนินการในปัจจุบันราคาเพราะพวกเขาจะขึ้นอยู่กับราคาที่ผ่านมานานระยะเวลาสำหรับ MA, ความล่าช้ามากขึ้นดังนั้น MA 200 วันจะมีระดับความล่าช้ามากกว่า MA 20 วันมากเกินไปเนื่องจากมีราคาสำหรับ 200 วันที่ผ่านมาความยาวของ MA ที่จะใช้ขึ้นอยู่กับวัตถุประสงค์ทางการค้าโดยใช้ MA ที่สั้นกว่า สำหรับการซื้อขายระยะสั้นและระยะยาว MAs เหมาะสำหรับนักลงทุนระยะยาวนักลงทุนและผู้ค้าหุ้นมีการซื้อขายพันธบัตรระยะยาว 200 วันโดยมีส่วนแบ่งสูงกว่าและต่ำกว่าค่าเฉลี่ยเคลื่อนที่นี้ถือเป็นสัญญาณการซื้อขายที่สำคัญนอกจากนี้ยังมีการซื้อขายที่สำคัญ สัญญาณของตัวเองหรือเมื่อสองค่าเฉลี่ยข้ามไป MA เพิ่มขึ้นแสดงให้เห็นว่าการรักษาความปลอดภัยอยู่ในขาขึ้นในขณะที่ MA ลดลงบ่งชี้ว่ามันอยู่ในขาลงในทำนองเดียวกันโมเมนตัมสูงขึ้นได้รับการยืนยันด้วยการครอสโอเวอร์ที่เกิดขึ้นเมื่อระยะสั้น MA ข้าม a BMP ระยะยาว MA ได้รับแรงหนุนจากการลดลงของไขว้ซึ่งเกิดขึ้นเมื่อ MA ระยะสั้นทะลุ MAUOR ระยะยาวเป็นชุดคำแนะนำเบื้องต้นในหัวข้อที่อยู่ภายใต้หัวข้อกว้าง ๆ ของ ฟิลด์ของการวิจัยการดำเนินงานหรือพวกเขาถูกนำมาใช้โดยฉันในเบื้องต้นหรือหลักสูตรที่ฉันให้ที่ Imperial College พวกเขากำลังพร้อมใช้งานสำหรับนักเรียนและครูที่สนใจหรือภายใต้เงื่อนไขต่อไปนี้รายการเต็มรูปแบบของหัวข้อที่มีอยู่ใน OR ตัวอย่างเช่นการสอบ UG ปี 1996 ความต้องการผลิตภัณฑ์ในแต่ละเดือนที่ผ่านมาแสดงไว้ด้านล่างใช้ค่าเฉลี่ยเคลื่อนที่สองเดือนเพื่อสร้างการคาดการณ์สำหรับความต้องการในเดือน 6.Apply exponential ราบรื่นด้วยราบเรียบคงที่ของ 0 9 เพื่อสร้างการคาดการณ์สำหรับความต้องการสำหรับความต้องการในเดือน 6.Which ของทั้งสองคาดการณ์ที่คุณชอบและทำไมค่าเฉลี่ยเคลื่อนที่สองเดือนสำหรับเดือนที่สองถึงห้าจะได้รับโดยการคาดการณ์สำหรับเดือนที่หก ผม s เพียงแค่ค่าเฉลี่ยเคลื่อนที่ของเดือนก่อนหน้านั่นคือค่าเฉลี่ยเคลื่อนที่สำหรับเดือน 5 m 5 2350 โดยใช้การคำนวณหาค่าเฉลี่ยที่ราบรื่นด้วยค่าคงที่ที่ราบเรียบของ 0 9 ซึ่งเป็นไปได้ก่อนที่การคาดการณ์ของเดือนที่ 6 จะเป็นค่าเฉลี่ยของเดือน 5 M 5 2386 ถ้าต้องการทำเช่นนี้เราจะพบว่าค่าเฉลี่ยเคลื่อนที่ MSD 15 - 19 18 - 23 21 - 24 3 16 67. และค่าเฉลี่ยที่ได้รับการทำให้เรียบโดยใช้ค่าคงที่ที่ราบเรียบ ของ 0 9.MSD 13 - 17 16 60 - 19 18 76 - 23 22 58 - 24 4 10 44. โดยทั่วไปแล้วเราจะเห็นว่าการทำให้เรียบที่ชี้แจงดูเหมือนจะให้การคาดการณ์ล่วงหน้าหนึ่งเดือนที่ดีที่สุดเนื่องจากมี MSD ที่ต่ำกว่าดังนั้นเราจึงชอบ การคาดการณ์ของ 2386 ที่ได้รับการผลิตโดย exponential smoothing. Forecasting ตัวอย่าง 1994 UG สอบตารางด้านล่างแสดงความต้องการ aftershave ใหม่ในร้านค้าสำหรับแต่ละ 7 เดือนคำนวณค่าเฉลี่ยเคลื่อนที่สองเดือนสำหรับเดือนที่สองถึงเจ็ด จะคาดการณ์ของคุณสำหรับความต้องการในเดือนแปดใช้ exponentia l ทำให้ราบเรียบกับค่าคงที่ที่ราบเรียบของ 0 1 เพื่อคาดการณ์ความต้องการในเดือนที่แปดซึ่งคาดว่าในสองเดือนที่แปดคุณชอบและทำไมผู้ดูแลร้านค้าเชื่อว่าลูกค้าจะเปลี่ยนไปใช้ aftershave ใหม่จากแบรนด์อื่น ๆ อภิปราย วิธีที่คุณอาจจำลองพฤติกรรมการสลับนี้และระบุข้อมูลที่คุณต้องการเพื่อยืนยันว่าการสลับนี้เกิดขึ้นหรือไม่ค่าเฉลี่ยเคลื่อนที่สองเดือนสำหรับเดือนที่ 2-7 จะได้รับโดยการคาดการณ์สำหรับเดือนที่แปดเป็นเพียงค่าเฉลี่ยเคลื่อนที่สำหรับ เดือนก่อนหน้านั่นคือค่าเฉลี่ยเคลื่อนที่ของเดือนที่ 7 m 7 46 อ้างอิงจากการเพิ่มขึ้นของการแจกแจงแบบเรียบและมีค่าคงที่ที่ราบเรียบของ 0 1 เราได้รับก่อนที่การคาดการณ์สำหรับเดือนที่แปดจะเป็นค่าเฉลี่ยสำหรับเดือน 7 M 7 31 11 31 เนื่องจากเราไม่สามารถ มีความต้องการเป็นเศษส่วนเมื่อต้องการเปรียบเทียบสองการคาดการณ์ที่เราคำนวณเบี่ยงเบนความถัวเฉลี่ย MSD ถ้าเราทำเช่นนี้เราพบว่าสำหรับ average. and เคลื่อนไหวและค่าเฉลี่ยเรียบเรียงโดยชี้แจงมีค่าคงที่เรียบของ 0 1 จากนั้น เราเห็นว่าค่าเฉลี่ยเคลื่อนที่สองเดือนมีแนวโน้มที่ดีที่สุดในการคาดการณ์ล่วงหน้าหนึ่งเดือนเนื่องจากมีค่า MSD ที่ต่ำกว่าดังนั้นเราจึงชอบการคาดการณ์ที่ 46 ซึ่งได้รับการผลิตโดยค่าเฉลี่ยเคลื่อนที่ 2 เดือนหากต้องการตรวจสอบการเปลี่ยนเราจะต้องใช้ Markov process model ซึ่งเป็นแบรนด์ของรัฐและเราต้องการข้อมูลสถานะเบื้องต้นและการเปลี่ยนความน่าจะเป็นของลูกค้าจากการสำรวจเราจะต้องใช้แบบจำลองข้อมูลย้อนหลังเพื่อดูว่าเรามีแบบอย่างที่เหมาะสมหรือไม่ระหว่างแบบจำลองกับพฤติกรรมทางประวัติศาสตร์ตัวอย่างเช่น 1992 UG exam ตารางด้านล่างแสดงถึงความต้องการใช้เครื่องโกนหนวดในร้านค้าสำหรับแต่ละช่วง 9 เดือนที่ผ่านมาคำนวณค่าเฉลี่ยเคลื่อนที่ 3 เดือนสำหรับเดือนที่สามถึงเก้าปีคาดการณ์ไว้สำหรับความต้องการในเดือนที่สิบ ความราบเรียบคงที่ของ 0 3 ที่จะได้รับการคาดการณ์สำหรับความต้องการในเดือนสิบซึ่งคาดการณ์ของทั้งสองสำหรับเดือนสิบที่คุณชอบและทำไมค่าเฉลี่ยเคลื่อนที่สามเดือนสำหรับ 3-9 เดือนจะได้รับโดย การคาดการณ์สำหรับเดือน 10 เป็นเพียงค่าเฉลี่ยเคลื่อนที่ของเดือนก่อนหน้านั่นคือค่าเฉลี่ยเคลื่อนที่ของเดือน 9 m 9 20 33. เนื่องจากเราไม่สามารถคาดการณ์การเปลี่ยนแปลงของเดือนที่ 10 ได้เท่ากับ 20.Applying smoothing constant with smoothing constant of 0 3 เราได้รับเป็นก่อนที่จะคาดการณ์สำหรับเดือน 10 เป็นเพียงค่าเฉลี่ยสำหรับเดือน 9 M 9 18 57 19 เนื่องจากเราไม่สามารถมีความต้องการที่เป็นเศษส่วนเมื่อต้องการเปรียบเทียบสองการคาดการณ์ที่เราคำนวณค่าเฉลี่ยเบี่ยงเบน MSD ถ้าเราทำเช่นนี้เราพบว่าสำหรับ ค่าเฉลี่ยเคลื่อนที่และค่าเฉลี่ยของค่าเฉลี่ยที่ราบรื่นโดยมีค่าคงที่การปรับให้เรียบอยู่ที่ 0 3. จากนั้นเราจะเห็นว่าค่าเฉลี่ยเคลื่อนที่ 3 เดือนมีแนวโน้มที่ดีที่สุดในการคาดการณ์ล่วงหน้าหนึ่งเดือนเนื่องจากมีค่า MSD ที่ต่ำกว่าดังนั้นเราจึงชอบคาดการณ์ของ 20 ที่ได้รับการผลิตโดยค่าเฉลี่ยเคลื่อนที่ 3 เดือนตัวอย่างเช่นการทดสอบ UG ในปีพ. ศ. 2534 ตารางด้านล่างแสดงความต้องการใช้เครื่องแฟกซ์ในห้างสรรพสินค้าเฉพาะแห่งในแต่ละ 12 เดือนที่ผ่านมาคำนวณอัตราการเคลื่อนไหวเฉลี่ย 4 เดือน e สำหรับเดือนที่ 4 ถึง 12 การคาดการณ์ของคุณสำหรับความต้องการในเดือนที่ 13. ใช้การคำนวณหาค่าเฉลี่ยที่เป็นลําชี้ด้วยค่าคงที่ที่ราบเรียบเป็น 0 2 เพื่อหาค่าพยากรณ์ความต้องการในเดือนที่ 13 ซึ่งคุณคาดการณ์ในสองเดือนที่ 13 และปัจจัยอื่น ๆ ที่ไม่ได้พิจารณาในการคำนวณข้างต้นอาจมีผลต่อความต้องการเครื่องแฟ็กซ์ในเดือนที่ 13 ค่าเฉลี่ยเคลื่อนที่ 4 เดือนสำหรับเดือนที่ 4 ถึง 12 จะถูกกำหนดโดย 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 m 11 49 41 37 33 4 40 ม 12 58 49 41 37 4 46 25 การคาดการณ์ของเดือนที่ 13 เป็นเพียงค่าเฉลี่ยเคลื่อนที่ของเดือนก่อนหน้านั่นคือค่าเฉลี่ยเคลื่อนที่ของเดือน 12 ม. 12 46 25 เนื่องจากเราไม่สามารถแยกส่วนได้ ความต้องการการคาดการณ์สำหรับเดือน 13 เป็น 46.Applying เรียบเรียงราบรื่นด้วยราบรื่นคงที่ของ 0 2 เราได้รับเป็นก่อนที่จะคาดการณ์สำหรับเดือน 13 เป็นเพียงค่าเฉลี่ยสำหรับ 12 เดือน 12 12 38 618 39 ที่เราไม่สามารถ h ave ความต้องการเป็นเศษส่วนเมื่อต้องการเปรียบเทียบสองการคาดการณ์ที่เราคำนวณเบี่ยงเบนถัวเฉลี่ย MSD ถ้าเราทำเช่นนี้เราพบว่าสำหรับค่าเฉลี่ยเคลื่อนที่และค่าเฉลี่ยเรียบเรียงโดยชี้แจงที่มีราบเรียบคง 0 2 จากนั้นเราจะเห็นว่าสี่เดือน ค่าเฉลี่ยเคลื่อนที่ดูเหมือนจะให้ดีที่สุดคาดการณ์ล่วงหน้าหนึ่งเดือนเนื่องจากมี MSD ต่ำดังนั้นเราจึงชอบคาดการณ์ของ 46 ที่ได้รับการผลิตโดยการเปลี่ยนแปลงความต้องการเฉลี่ยเดือนที่สี่โดยเฉลี่ยทั้งแบรนด์นี้และอื่น ๆ brands. general เศรษฐกิจ สถานการณ์เช่นเดียวกับเทคโนโลยีตัวอย่างเช่นการทดสอบ UG 1989 ตารางด้านล่างแสดงความต้องการแบรนด์เฉพาะของเตาอบไมโครเวฟในห้างสรรพสินค้าในแต่ละสิบสองเดือนคำนวณค่าเฉลี่ยเคลื่อนที่หกเดือนในแต่ละเดือนสิ่งที่คาดการณ์ของคุณ สำหรับความต้องการในเดือน 13. ใช้การเพิ่มขึ้นของเลขแจงที่มีค่าคงที่ที่ราบเรียบจาก 0 7 เพื่อให้ได้การคาดการณ์สำหรับความต้องการในเดือนที่ 13 ซึ่งคุณคาดการณ์ไว้สองเดือน 13 คุณชอบและทำไมเราจึงไม่สามารถ คำนวณค่าเฉลี่ยเคลื่อนที่ 6 เดือนจนกว่าเราจะมีข้อสังเกตอย่างน้อย 6 ข้อกล่าวคือเราสามารถคำนวณค่าเฉลี่ยดังกล่าวได้ตั้งแต่เดือนที่ 6 เป็นต้นไปดังนั้นเราจึงมี 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 เป็นเพียงค่าเฉลี่ยเคลื่อนที่ของเดือนก่อนหน้านั่นคือค่าเฉลี่ยเคลื่อนที่ของเดือน 12 ม. 12 38 17. เนื่องจากเราไม่สามารถคาดการณ์ความต้องการได้ สำหรับเดือนที่ 13 คือ 38. ใช้ค่าความละเอียดที่เป็นเอกลัษณ์ด้วยค่าคงที่ที่ราบเรียบเท่ากับ 0 7