Model Peramalan Rata Rata Bergerak Sederhana

Moving Average Forecasting. Introduction Seperti yang Anda duga kita melihat beberapa pendekatan yang paling primitif terhadap peramalan Tapi mudah-mudahan ini setidaknya merupakan pengantar yang berharga untuk beberapa masalah komputasi yang terkait dengan penerapan prakiraan di spreadsheet. Dalam uraian ini, kita akan melanjutkan dengan Mulai dari awal dan mulai bekerja dengan Moving Average forecasts. Moving Average Forecasts Setiap orang mengetahui perkiraan rata-rata bergerak terlepas dari apakah mereka percaya mereka Semua mahasiswa melakukannya sepanjang waktu Pikirkan skor tes Anda dalam kursus di mana Anda akan pergi ke Memiliki empat tes selama semester Mari s menganggap Anda mendapat 85 pada tes pertama Anda. Apa yang akan Anda prediksikan untuk skor tes kedua Anda. Apa yang menurut Anda akan diprediksi oleh guru Anda untuk skor tes Anda berikutnya. Menurut Anda, perkiraan teman Anda mungkin akan memprediksi Untuk skor tes Anda berikutnya. Menurut Anda, apa yang diprediksi orang tua Anda untuk skor tes Anda yang berikutnya. Terlepas dari semua kerutan yang mungkin Anda lakukan pada fr Anda? Iends dan orang tua, mereka dan gurumu sangat mengharapkan Anda mendapatkan sesuatu di area yang Anda dapatkan. Nah, sekarang mari kita berasumsi bahwa meskipun promosi diri Anda ke teman Anda, Anda terlalu memperkirakan sendiri Dan bayangkan Anda bisa belajar lebih sedikit untuk tes kedua dan jadi Anda mendapatkan skor 73. Sekarang, apa yang menjadi perhatian dan tidak peduli yang akan Anda hadapi akan Anda dapatkan pada tes ketiga Anda Ada dua pendekatan yang sangat mungkin bagi mereka untuk mengembangkan perkiraan tanpa mempedulikan Apakah mereka akan membaginya dengan Anda. Mereka mungkin berkata pada diri mereka sendiri, Orang ini selalu meniup asap tentang kecerdasannya. Dia akan mendapatkan yang lain lagi jika dia beruntung. Mungkin orang tua akan berusaha lebih mendukung dan berkata, Baiklah, jadi Sejauh ini Anda sudah mencapai usia 85 dan 73, jadi mungkin Anda harus mencari tahu tentang hal 73 78 Saya tidak tahu, mungkin jika Anda kurang berpesta dan tidak mengayunkan musang itu ke mana-mana dan jika Anda mulai melakukan Jauh lebih banyak belajar Anda bisa mendapatkan skor yang lebih tinggi. Kedua perkiraan ini sebenarnya Rata-rata perkiraan rata-rata bergerak adalah yang pertama yang menggunakan skor terakhir untuk meramalkan kinerja masa depan Anda Ini disebut perkiraan rata-rata bergerak menggunakan satu periode data. Yang kedua juga merupakan perkiraan rata-rata bergerak namun menggunakan dua periode data. Bahwa semua orang yang terhilang dengan pikiran hebat ini telah membuat Anda kesal dan Anda memutuskan untuk melakukannya dengan baik pada tes ketiga untuk alasan Anda sendiri dan untuk memberi nilai lebih tinggi di depan sekutu Anda Anda mengikuti tes dan nilai Anda sebenarnya adalah Semua orang, termasuk dirimu sendiri, terkesan. Jadi sekarang Anda memiliki ujian akhir semester ini dan seperti biasa Anda merasa perlu memandu semua orang untuk membuat prediksi tentang bagaimana Anda akan melakukan tes terakhir. Nah, semoga Anda melihat Pola. Sekarang, mudah-mudahan Anda bisa melihat pola yang Anda yakini yang paling akurat. Whistle Sementara Kami Bekerja Sekarang kita kembali ke perusahaan pembersih baru kita yang dimulai oleh saudara tirimu yang terasing bernama Whistle While We Work Anda memiliki beberapa data penjualan terakhir. Diwakili oleh bagian berikut dari spreadsheet Kami pertama kali menyajikan data untuk perkiraan rata-rata bergerak tiga periode. Entri untuk sel C6 seharusnya. Sekarang Anda dapat menyalin formula sel ini ke sel lain C7 sampai C11. Tidak seperti bagaimana rata-rata bergerak. Selama data historis terbaru namun menggunakan tepat tiga periode terbaru yang tersedia untuk setiap prediksi Anda juga harus memperhatikan bahwa kami tidak perlu membuat prediksi untuk periode sebelumnya untuk mengembangkan prediksi terbaru kami. Hal ini jelas berbeda dengan Model smoothing eksponensial Saya telah menyertakan prediksi masa lalu karena kami akan menggunakannya di halaman web berikutnya untuk mengukur validitas prediksi. Kini saya ingin menyajikan hasil yang serupa untuk perkiraan rata-rata bergerak dua periode. Entri untuk sel C5 seharusnya. Sekarang Anda Dapat menyalin formula sel ini ke sel lain C6 sampai C11. Tidak bagaimana sekarang hanya dua potongan data historis terakhir yang digunakan untuk setiap prediksi. Sekali lagi saya menyertakan D prediksi masa lalu untuk tujuan ilustrasi dan untuk kemudian digunakan dalam validasi perkiraan. Beberapa hal lain yang penting untuk diperhatikan. Untuk m-period moving average forecast hanya m nilai data terbaru yang digunakan untuk membuat prediksi Tidak ada hal lain yang diperlukan. . Untuk perkiraan rata-rata pergerakan m-periode, saat membuat prediksi sebelumnya, perhatikan bahwa prediksi pertama terjadi pada periode m 1. Kedua masalah ini akan sangat signifikan saat kita mengembangkan kode kita. Mengembangkan Fungsi Bergerak Rata-rata Sekarang kita perlu mengembangkannya. Kode untuk ramalan rata-rata bergerak yang dapat digunakan secara lebih fleksibel Kode berikut Perhatikan bahwa masukan adalah untuk jumlah periode yang ingin Anda gunakan dalam perkiraan dan susunan nilai historis Anda dapat menyimpannya dalam buku kerja apa pun yang Anda inginkan. Fungsi MovingAverage Historis, NumberOfPeriods Sebagai Single Declaring dan variabel inisialisasi Dim Item Sebagai Variant Dim Counter As Integer Dim Accumulation Sebagai Single Dim HistoricalSize As Integer. Menginisialisasi variabel Counter 1 Accumulation 0. Menentukan ukuran Historical array HistoricalSize. For Counter 1 To NumberOfPeriods. Mengumpulkan jumlah yang sesuai dari nilai yang teramati terakhir yang terbaru. Accumulation Accumulation Historical HistoricalSize - NumberOfPeriods Counter. MovingAverage Accumulation NumberOfPeriods. Kode ini akan dijelaskan di kelas Anda ingin memposisikan fungsi pada spreadsheet sehingga hasil perhitungan muncul di tempat yang seharusnya Seperti berikut. SIMPLE MOVING AVERAGE. Masalah dengan menggunakan rata-rata bergerak sederhana sebagai alat peramalan. Yang bergerak rata-rata adalah melacak data aktual, namun selalu tertinggal di belakangnya. Rata-rata bergerak tidak akan pernah mencapai puncak atau lembah data sebenarnya. Itu menghaluskan data. Tidak akan banyak bercerita tentang masa depan. Namun, ini tidak membuat rata-rata bergerak tidak berguna Anda hanya perlu menyadari masalahnya. LAGI DESCRIPTION. AUDIO TRANSCRIPTION. Jadi untuk meringkas, untuk bergerak sederhana Rata-rata atau rata-rata bergerak tunggal, kita telah melihat beberapa masalah dengan menggunakan rata-rata bergerak sederhana sebagai alat peramalan Rata-rata bergerak adalah tra Dengan data sebenarnya, tapi selalu tertinggal di belakangnya Rata-rata yang bergerak tidak akan pernah mencapai puncak atau lembah data sebenarnya sehingga memperlancar data, dan ini benar-benar tidak memberi tahu Anda banyak tentang masa depan, karena ini hanya peramalan satu Periode di muka, dan perkiraan itu diasumsikan mewakili nilai terbaik untuk periode masa depan, satu periode sebelumnya, tapi tidak memberi tahu Anda lebih dari itu. Itu tidak membuat rata-rata bergerak sederhana tidak berguna sebenarnya Anda melihat rata-rata bergerak sederhana. Class MovingAverageModel. Model perkiraan rata-rata bergerak didasarkan pada rangkaian waktu buatan yang dibuat secara artifisial dimana nilai untuk periode waktu tertentu diganti dengan nilai rata-rata dan nilai untuk beberapa periode sebelumnya dan periode waktu yang akan datang Seperti yang telah Anda duga Dari deskripsi, model ini paling sesuai untuk data deret waktu yaitu data yang berubah dari waktu ke waktu Misalnya, banyak bagan saham individual di pasar saham menunjukkan rata-rata pergerakan 20, 50, 100, atau 200 hari sebagai cara untuk menunjukkan tren. Karena nilai perkiraan untuk periode tertentu adalah rata-rata periode sebelumnya, maka perkiraan akan selalu nampak tertinggal dibandingkan kenaikan atau penurunan nilai tergantung yang diamati. Misalnya, jika rangkaian data memiliki kecenderungan kenaikan yang nyata, maka rata-rata bergerak Perkiraan umumnya akan memberikan nilai yang lebih rendah dari nilai variabel dependen. Metode rata-rata bergerak memiliki keunggulan dibandingkan model peramalan lain karena tidak mulus dari puncak dan t Kasar atau lembah dalam satu set pengamatan Namun, juga memiliki beberapa kelemahan Secara khusus, model ini tidak menghasilkan persamaan yang sebenarnya. Oleh karena itu, tidak semua itu berguna sebagai alat peramalan jarak menengah Jangkauan ini hanya dapat digunakan untuk memperkirakan satu Atau dua periode ke masa depan. Model rata-rata bergerak adalah kasus khusus dari rata-rata pergerakan tertimbang yang lebih umum. Dalam rata-rata pergerakan sederhana, semua bobotnya sama. Sejak 0 3 Penulis Steven R Gould. Fields diwarisi dari kelas. MovingAverageModel Membangun yang baru Model peramalan rata-rata bergerak. MovingAverageModel int period Membangun model peramalan rata-rata pergerakan baru, menggunakan periode yang ditentukan. getForecastType Mengembalikan satu atau dua kata nama dari jenis model peramalan ini. DataSet DataSet Digunakan untuk menginisialisasi model rata-rata bergerak. toString Ini harus Ditimpa untuk memberikan deskripsi tekstual dari model peramalan saat ini termasuk, jika mungkin, parameter turunan yang digunakan. Metode yang diwarisi dari Class. Constructs a new moving average forecasting model Untuk model yang valid yang akan dibangun, Anda harus memanggil init dan lulus dalam kumpulan data yang berisi serangkaian titik data dengan variabel waktu yang diinisialisasi untuk mengidentifikasi variabel independen. Buatlah peramalan rata-rata pergerakan baru Model, dengan menggunakan nama yang diberikan sebagai variabel independen. Parameters independentVariable - nama variabel independen yang digunakan dalam model ini. Buat model peramalan rata-rata pergerakan baru, dengan menggunakan periode yang ditentukan Untuk model yang valid yang akan dibangun, Anda harus memanggil init Dan lulus dalam kumpulan data yang berisi serangkaian titik data dengan variabel waktu yang diinisialisasi untuk mengidentifikasi variabel independen. Nilai periode digunakan untuk menentukan jumlah pengamatan yang akan digunakan untuk menghitung rata-rata bergerak Misalnya, untuk 50 hari Moving average dimana titik data adalah pengamatan harian, maka periode harus ditetapkan ke 50. Periode juga digunakan untuk menentukan jumlah periode masa depan t Topi dapat diperkirakan secara efektif Dengan rata-rata pergerakan 50 hari, maka kita tidak dapat dengan mudah - dengan tingkat akurasi - perkiraan lebih dari 50 hari di luar periode terakhir dimana data tersedia Ini mungkin lebih bermanfaat daripada, katakanlah periode 10 hari, Dimana kita hanya bisa memperkirakan 10 hari di luar periode terakhir. Periode peramet - jumlah pengamatan yang akan digunakan untuk menghitung rata-rata pergerakan. Buat model peramalan rata-rata pergerakan baru, dengan menggunakan nama yang diberikan sebagai variabel independen dan periode yang ditentukan. Parameter independentVariable - nama variabel independen yang akan digunakan dalam periode model ini - jumlah observasi yang akan digunakan untuk menghitung moving average. Digunakan untuk menginisialisasi model moving average Metode ini harus dipanggil sebelum metode lain di kelas. Model rata-rata bergerak tidak menghasilkan persamaan untuk peramalan, metode ini menggunakan input DataSet untuk menghitung nilai perkiraan untuk semua nilai berlaku dari ti independen. Saya variabel. Ditentukan oleh init di antarmuka ForecastingModel Overrides init di kelas AbstractTimeBasedModel Parameters dataSet - kumpulan data pengamatan yang dapat digunakan untuk menginisialisasi parameter peramalan model peramalan. Mengembalikan satu atau dua kata nama model peramalan jenis ini Keep Deskripsi singkat ini harus diimplementasikan dalam metode toString. Ini harus diganti untuk memberikan deskripsi tekstual mengenai model peramalan saat ini, termasuk, jika mungkin, parameter turunan yang digunakan. Ditentukan oleh toString di antarmuka ForecastingModel Overrides toString di kelas WeightedMovingAverageModel Mengembalikan a Representasi string dari model perkiraan saat ini, dan parameternya.