Przenoszenie średnio wykładnicze wygładzanie

Średnie kroczące - proste i wykładnicze średnie kroczące - proste i wykładnicze wprowadzenie Średnie ruchome wygładzają dane o cenach, tworząc trend następujący po wskaźniku. Nie przewidują one kierunku cen, ale raczej określają bieżący kierunek z opóźnieniem. Średnie opóźnienie ruchu, ponieważ są one oparte na cenach z przeszłości. Pomimo tego opóźnienia, średnie ruchy pomagają w płynnej akcji cenowej i odfiltrowują hałas. Stanowią one również elementy składowe wielu innych wskaźników technicznych i nakładek, takich jak Bollinger Bands. MACD i oscylator McClellana. Dwa najbardziej popularne typy średnich kroczących to średnia ruchoma (SMA) i wykładnicza średnia ruchoma (EMA). Te średnie ruchome można wykorzystać do określenia kierunku trendu lub określenia potencjalnych poziomów wsparcia i oporu. Tutaj znajduje się wykres zawierający zarówno SMA, jak i EMA: Prosta średnia ruchoma Prosta średnia ruchoma powstaje przez obliczenie średniej ceny papieru wartościowego na określoną liczbę okresów. Większość średnich kroczących opiera się na cenach zamknięcia. 5-dniowa prosta średnia krocząca to pięciodniowa suma cen zamknięcia podzielona przez pięć. Jak sama nazwa wskazuje, średnia ruchoma jest średnią, która się porusza. Stare dane są usuwane, gdy dostępne są nowe dane. Powoduje to, że średnia przemieszcza się wzdłuż skali czasu. Poniżej znajduje się przykład pięciodniowej średniej ruchomej ewoluującej w ciągu trzech dni. Pierwszy dzień średniej ruchomej obejmuje jedynie ostatnie pięć dni. Drugi dzień średniej ruchomej obniża pierwszy punkt danych (11) i dodaje nowy punkt danych (16). Trzeci dzień średniej ruchomej kontynuowany jest przez zrzucenie pierwszego punktu danych (12) i dodanie nowego punktu danych (17). W powyższym przykładzie ceny stopniowo rosną od 11 do 17 w sumie przez siedem dni. Zauważ, że średnia ruchoma również wzrasta z 13 do 15 w trzydniowym okresie obliczeniowym. Zauważ również, że każda średnia krocząca jest tuż poniżej ostatniej ceny. Na przykład średnia krocząca z pierwszego dnia wynosi 13, a ostatnia cena to 15. Ceny poprzednich czterech dni były niższe, a to spowodowało opóźnienie średniej ruchomej. Wykładnicza średnia ruchoma Wykładnicza średnia ruchoma zmniejsza opóźnienie, stosując większą wagę do ostatnich cen. Współczynnik zastosowany do najnowszej ceny zależy od liczby okresów w średniej ruchomej. Istnieją trzy kroki do obliczenia wykładniczej średniej kroczącej. Najpierw oblicz prostą średnią ruchomą. Wykładnicza średnia ruchoma (EMA) musi się gdzieś zacząć, aby w pierwszej kalkulacji użyć prostej średniej kroczącej jako EMA z poprzedniego okresu. Po drugie, oblicz mnożnik wagi. Po trzecie, oblicz wykładniczą średnią ruchomą. Poniższy wzór dotyczy 10-dniowego EMA. 10-okresowa wykładnicza średnia krocząca stosuje 18,13 wagi do najnowszej ceny. 10-okresowa EMA może być również nazywana 18,18 EMA. 20-okresowa EMA stosuje wagę 9,52 do ostatniej ceny (2 (201) 0,0952). Zwróć uwagę, że ważenie w krótszym okresie jest większe niż ważenie w dłuższym okresie czasu. W rzeczywistości waga zmniejsza się o połowę za każdym razem, gdy podwaja się średni okres kroczący. Jeśli chcesz nam konkretną wartość procentową dla EMA, możesz użyć tej formuły, aby przekonwertować ją na przedziały czasowe, a następnie wprowadzić tę wartość jako parametr EMA039: Poniżej znajduje się przykład 10-dniowej prostej średniej kroczącej z 10-dniowego arkusza kalkulacyjnego dzienna wykładnicza średnia krocząca dla Intela. Proste średnie ruchome są proste i nie wymagają wielu wyjaśnień. Średnia z 10 dni po prostu przesuwa się, gdy pojawiają się nowe ceny i spadają stare ceny. Wykładnicza średnia ruchowa rozpoczyna się od prostej wartości średniej ruchomej (22.22) w pierwszym obliczeniu. Po pierwszych obliczeniach przejmuje normalna formuła. Ponieważ EMA zaczyna się od prostej średniej kroczącej, jej prawdziwa wartość nie zostanie zrealizowana przed upływem 20 lub więcej okresów. Innymi słowy, wartość arkusza kalkulacyjnego Excela może różnić się od wartości wykresu z powodu krótkiego okresu obserwacji. Ten arkusz kalkulacyjny cofa się tylko o 30 okresów, co oznacza, że ​​wpływ prostej średniej kroczącej miał 20 okresów do rozproszenia. StockCharts ma co najmniej 250-okresów (zwykle znacznie więcej) do swoich obliczeń, więc skutki prostej średniej ruchomej w pierwszym obliczeniu zostały w pełni rozproszone. Czynnik opóźnienia Im dłużej średnia ruchoma, tym więcej opóźnienia. 10-dniowa wykładnicza średnia krocząca będzie dość uważnie wiązać się z cenami i wkrótce nastąpi po zmianie cen. Krótkie średnie ruchome są jak łodzie motorowe - zwinne i szybkie do zmiany. Natomiast 100-dniowa średnia ruchoma zawiera wiele przeszłych danych, które spowalniają ją. Dłuższe średnie ruchome są jak cysterny oceaniczne - letargiczne i wolno się zmieniają. Aby zmienić kurs, trwająca 100 dni średnia ruchoma wymaga większego i dłuższego ruchu cenowego. Powyższy wykres przedstawia ETF SampP 500 z 10-dniową autoryzacją EMA podążającą za cenami i 100-dniowym szlifowaniem SMA. Nawet przy spadku z stycznia do lutego, 100-dniowa SMA odbyła kurs i nie została odrzucona. 50-dniowa SMA mieści się pomiędzy 10 a 100-dniową średnią kroczącą, jeśli chodzi o współczynnik opóźnienia. Proste i wykładnicze średnie ruchome Mimo że istnieją wyraźne różnice pomiędzy prostymi średnimi ruchomymi a wykładniczymi wartościami ruchomymi, jedno nie musi być lepsze od drugiego. Wykładnicze średnie kroczące mają mniejsze opóźnienie i dlatego są bardziej wrażliwe na ostatnie ceny - i ostatnie zmiany cen. Wykładnicze średnie ruchome obrócą się przed prostymi średnimi ruchomymi. Zwykłe średnie ruchome reprezentują rzeczywistą średnią cen w całym okresie. W związku z tym proste średnie ruchome mogą lepiej nadawać się do określania poziomów wsparcia lub oporu. Średnia preferencja ruchu zależy od celów, stylu analitycznego i horyzontu czasowego. Aby znaleźć najlepsze dopasowanie, osoby prowadzące wykresy powinny eksperymentować z obydwoma typami średnich kroczących oraz różnymi ramami czasowymi. Poniższy wykres pokazuje IBM z 50-dniowym SMA na czerwono i 50-dniowym EMA na zielono. Oba osiągnęły szczyt pod koniec stycznia, ale spadek EMA był ostrzejszy niż spadek SMA. EMA pojawiła się w połowie lutego, ale SMA była kontynuowana do końca marca. Zauważ, że SMA pojawił się ponad miesiąc po EMA. Długości i ramy czasowe Długość średniej ruchomej zależy od celów analitycznych. Krótkie średnie ruchome (5-20 okresów) najlepiej nadają się do krótkoterminowych trendów i obrotu. Osoby zainteresowane trendami średniookresowymi zdecydowałyby się na dłuższe średnie ruchome, które mogłyby przedłużyć okresy o 20-60. Inwestorzy długoterminowi będą preferować średnie kroczące o 100 lub więcej okresach. Niektóre ruchome średnie długości są bardziej popularne niż inne. 200-dniowa średnia krocząca jest prawdopodobnie najbardziej popularna. Ze względu na jego długość jest to wyraźnie długoterminowa średnia ruchoma. Następnie 50-dniowa średnia krocząca jest dość popularna ze względu na średnioterminowy trend. Wiele osób używających statystyk ruchomych 50-dniowych i 200-dniowych. Krótkoterminowa, 10-dniowa średnia ruchoma była dość popularna w przeszłości, ponieważ łatwo ją obliczyć. Jeden po prostu dodał cyfry i przeniósł kropkę dziesiętną. Identyfikacja trendów Te same sygnały mogą być generowane za pomocą prostych lub wykładniczych średnich kroczących. Jak wspomniano powyżej, preferencje zależą od każdej osoby. Poniższe przykłady wykorzystują zarówno proste, jak i wykładnicze średnie kroczące. Termin średnia ruchoma dotyczy zarówno prostych, jak i wykładniczych średnich kroczących. Kierunek średniej ruchomej przekazuje ważne informacje o cenach. Rosnąca średnia ruchoma pokazuje, że ceny generalnie rosną. Spadek średniej ruchomej wskazuje, że średnie ceny spadają. Rosnąca długoterminowa średnia ruchoma odzwierciedla długoterminowy trend wzrostowy. Spadająca długoterminowa średnia ruchoma odzwierciedla długoterminowy trend zniżkowy. Powyższy wykres pokazuje 3M (MMM) z 150-dniową wykładniczą średnią kroczącą. Ten przykład pokazuje, jak dobrze przenoszą się średnie, gdy trend jest silny. 150-dniowa EMA została odrzucona w listopadzie 2007 r. I ponownie w styczniu 2008 r. Zwróć uwagę, że zmiana kierunku w kierunku tej średniej ruchomej zajęła 15 minut. Te opóźniające się wskaźniki identyfikują odwrócenie tendencji w momencie ich wystąpienia (w najlepszym przypadku) lub po ich wystąpieniu (w najgorszym). MMM kontynuował spadki do marca 2009 r., A następnie wzrósł o 40-50. Zauważ, że 150-dniowa EMA pojawiła się dopiero po tym wzroście. Jednak kiedy to nastąpiło, MMM kontynuował wzrost przez następne 12 miesięcy. Średnie kroczące doskonale sprawdzają się w silnych trendach. Podwójne zwrotnice Dwie ruchome wartości średnie mogą być używane razem do generowania sygnałów zwrotnych. W analizie technicznej rynków finansowych. John Murphy nazywa to metodą podwójnego crossovera. Podwójne zwrotnice obejmują jedną względnie krótką średnią ruchomą i jedną względnie długą średnią ruchomą. Podobnie jak w przypadku wszystkich średnich ruchomych, ogólna długość średniej ruchomej określa ramy czasowe systemu. System wykorzystujący 5-dniową EMA i 35-dniową EMA zostanie uznany za krótkoterminową. System wykorzystujący 50-dniową SMA i 200-dniową SMA byłby uważany za średnioterminowy, a może nawet długoterminowy. Uparty crossover występuje, gdy krótsza średnia krocząca przekracza dłuższą średnią ruchomą. Jest to również znane jako złoty krzyż. Niedźwiedzia zwrotnica występuje wtedy, gdy krótsza średnia ruchowa przekracza średnią ruchomą. Jest to tzw. Martwy krzyż. Średnie ruchy zwrotne wytwarzają stosunkowo późne sygnały. W końcu system wykorzystuje dwa opóźniające wskaźniki. Im dłuższe okresy średniej ruchomej, tym większe opóźnienie sygnałów. Sygnały te działają świetnie, gdy pojawia się dobry trend. Jednakże, ruchomy przeciętny system crossover będzie wytwarzał wiele whipsaws w przypadku braku silnego trendu. Istnieje również metoda potrójnego crossover, która obejmuje trzy średnie ruchome. Ponownie, sygnał jest generowany, gdy najkrótsza średnia ruchowa przekracza dwie dłuższe ruchome. Prosty potrójny system crossover może obejmować 5-dniowe, 10-dniowe i 20-dniowe średnie ruchome. Powyższy wykres pokazuje Home Depot (HD) z 10-dniową EMA (zielona linia przerywana) i 50-dniową EMA (czerwona linia). Czarna linia to codzienne zamknięcie. Korzystanie z ruchomej średniej crossover spowodowałoby trzy whippaws przed złapaniem dobrego handlu. 10-dniowa EMA zerwała poniżej 50-dniowej EMA pod koniec października (1), ale nie trwało to długo, ponieważ 10-dniowy ruch powrócił powyżej w połowie listopada (2). Ten krzyż trwał dłużej, ale następny niedoszły zwrot w styczniu (3) nastąpił pod koniec listopada, w wyniku czego nastąpiła kolejna bicz. Ten niedźwiedzi krzyż nie trwał długo, ponieważ 10-dniowa EMA wycofała się ponad 50 dni kilka dni później (4). Po trzech złych sygnałach, czwarty sygnał zapowiadał mocny ruch, gdy kurs przeszedł powyżej 20. Są tu dwa dania na wynos. Po pierwsze, crossovers są podatne na whipsaw. Filtr cenowy lub czasowy może być zastosowany w celu zapobiegania biczom. Handlowcy mogą wymagać przejścia na 3 dni przed podjęciem działań lub wymagają, aby 10-dniowa EMA przesunęła się ponad 50-dniową EMA o określoną kwotę przed podjęciem działań. Po drugie, MACD może służyć do identyfikacji i kwantyfikacji tych zwrotnic. MACD (10,50,1) pokaże linię przedstawiającą różnicę między dwiema wykładniczymi ruchomymi wartościami średnimi. MACD zmienia się w pozytywny podczas złotego krzyża i ujemny podczas martwego krzyża. Oscylator cen procentowych (PPO) może być używany w taki sam sposób, aby pokazać różnice procentowe. Zwróć uwagę, że MACD i PPO są oparte na wykładniczych średnich kroczących i nie są zgodne z prostymi średnimi ruchomymi. Ten wykres pokazuje Oracle (ORCL) z 50-dniową EMA, 200-dniową EMA i MACD (50 200,1). Były cztery średniej ruchomej crossover w ciągu 2 12 lat. Pierwsze trzy spowodowały baty lub złe transakcje. Trwały trend rozpoczął się od czwartego crossovera, gdy ORCL awansował do połowy lat 20-tych. Po raz kolejny, średnie ruchome crossovery działają świetnie, gdy trend jest silny, ale generują straty przy braku tendencji. Współbieżności cen Średnie ruchome mogą być również wykorzystywane do generowania sygnałów za pomocą prostych zwrotów cenowych. Pozytywny sygnał generowany jest, gdy ceny przekraczają średnią ruchomą. Niedźwiecki sygnał generowany jest, gdy ceny spadają poniżej średniej ruchomej. Rozgraniczenia cen można łączyć w celu handlu w ramach większego trendu. Dłuższa średnia ruchoma ustawia ton dla większego trendu, a krótsza średnia ruchowa jest używana do generowania sygnałów. Można spodziewać się byczych krzyżyk cenowych tylko wtedy, gdy ceny są już powyżej dłuższej średniej ruchomej. Byłoby to zgodne z większym trendem. Na przykład, jeśli cena jest powyżej średniej ruchomej wynoszącej 200 dni, kartownicy będą koncentrować się tylko na sygnałach, gdy cena wzrośnie powyżej 50-dniowej średniej kroczącej. Oczywiście, ruch poniżej 50-dniowej średniej ruchomej poprzedzałby taki sygnał, ale takie niedźwiedzie krzyże byłyby ignorowane, ponieważ większy trend jest wyższy. Niedźwiecki krzyż sugerowałby jedynie wycofanie się z większego trendu wzrostowego. Przesunięcie powyżej 50-dniowej średniej kroczącej oznaczałoby wzrost cen i kontynuację większego trendu wzrostowego. Następny wykres pokazuje Emerson Electric (EMR) z 50-dniową EMA i 200-dniową EMA. Akcje przesunęły się powyżej i utrzymywały ponad 200-dniową średnią ruchomą w sierpniu. Były spadki poniżej 50-dniowej EMA na początku listopada i ponownie na początku lutego. Ceny szybko wróciły powyżej 50-dniowej EMA, aby zapewnić sygnały zwyżkujące (zielone strzałki) w harmonii z większym trendem wzrostowym. MACD (1,50,1) jest pokazane w oknie wskaźnika, aby potwierdzić krzyże cen powyżej lub poniżej 50-dniowej EMA. Jednodniowy EMA jest równy cenie zamknięcia. MACD (1,50,1) jest dodatni, gdy zamknięcie jest powyżej 50-dniowej EMA i jest ujemne, gdy zamknięcie jest poniżej 50-dniowej EMA. Wsparcie i opór Średnie ruchome mogą również działać jako wsparcie w trendzie wzrostowym i oporze w okresie spadkowym. Krótkoterminowy trend wzrostowy może znaleźć wsparcie w pobliżu 20-dniowej prostej średniej kroczącej, która jest również używana w pasmach Bollinger. Długoterminowy trend wzrostowy może znaleźć wsparcie w pobliżu 200-dniowej prostej średniej kroczącej, która jest najpopularniejszą długoterminową średnią kroczącą. Jeśli tak, 200-dniowa średnia krocząca może zaoferować wsparcie lub opór tylko dlatego, że jest tak szeroko stosowana. To prawie jak samospełniające się proroctwo. Powyższy wykres pokazuje NY Composite z 200-dniową prostą średnią kroczącą od połowy 2004 r. Do końca 2008 r. 200-dniowy okres zapewniał wsparcie wiele razy podczas zaliczki. Po odwróceniu trendu z dwupiętrową przerwą na wsparcie, 200-dniowa średnia ruchoma działała jako opór około 9500. Nie oczekuj dokładnego poziomu wsparcia i oporu ze średnich kroczących, zwłaszcza dłuższych średnich kroczących. Rynki są napędzane emocjami, co sprawia, że ​​są podatne na przeinaczenia. Zamiast dokładnych poziomów, średnie ruchome mogą służyć do identyfikacji stref wsparcia lub oporu. Wnioski Zalety stosowania średnich kroczących należy porównać z wadami. Średnie kroczące to następujące po trendach lub opóźnione wskaźniki, które zawsze będą o krok za sobą. Niekoniecznie jest to jednak złe. W końcu trend jest twoim przyjacielem i najlepiej jest handlować w kierunku tego trendu. Średnie ruchome zapewniają, że inwestor jest zgodny z obecnym trendem. Mimo że trend jest Twoim przyjacielem, papiery wartościowe poświęcają dużo czasu na zakresy transakcji, co sprawia, że ​​średnie ruchome są nieefektywne. Będąc w trendzie, średnie ruchy będą Cię utrzymywać, ale także dawać późne sygnały. Don039t spodziewać się sprzedaży na górze i kupić na dole za pomocą średnich ruchomych. Podobnie jak w przypadku większości narzędzi analizy technicznej, średnich kroczących nie należy używać samodzielnie, lecz w połączeniu z innymi uzupełniającymi się narzędziami. Za pomocą średnich ruchomych można określić ogólny trend, a następnie użyć RSI do określenia poziomów wykupienia lub wyprzedania. Dodawanie średnich kroczących do wykresów StockCharts Średnie kroczące są dostępne jako nakładka ceny na stole warsztatowym SharpCharts. Korzystając z menu rozwijanego Nakładki, użytkownicy mogą wybrać prostą średnią ruchomą lub wykładniczą średnią kroczącą. Pierwszy parametr służy do ustawiania liczby okresów. Opcjonalny parametr można dodać, aby określić, które pole cenowe powinno być użyte w obliczeniach - O dla otwartego, H dla wysokiego, L dla niskiego i C dla zamknięcia. Przecinek służy do rozdzielania parametrów. Kolejny opcjonalny parametr można dodać, aby przesunąć średnie ruchome w lewo (w przeszłości) lub w prawo (w przyszłości). Liczba ujemna (-10) przesunęłaby średnią ruchomą na lewe 10 okresów. Dodatnia liczba (10) przesunęłaby średnią ruchomą do właściwych 10 okresów. Wielokrotne średnie ruchome mogą zostać nałożone na wykres cenowy, po prostu dodając kolejną linię nakładki do stołu warsztatowego. Członkowie StockCharts mogą zmieniać kolory i styl, aby rozróżnić wiele średnich kroczących. Po wybraniu wskaźnika otwórz Opcje zaawansowane, klikając mały zielony trójkąt. Opcje zaawansowane mogą również służyć do dodawania ruchomej średniej nakładki do innych wskaźników technicznych, takich jak RSI, CCI i Volume. Kliknij tutaj, aby zobaczyć wykres na żywo z kilkoma różnymi średnimi ruchomymi. Używanie średnich kroczących za pomocą wykresów StockCharts Oto kilka przykładowych skanów, które członkowie StockCharts mogą wykorzystać do skanowania w różnych średnich ruchomych sytuacjach: Przeciążający ruchomy średni krzyż: to skanowanie szuka zapasów z rosnącą 150-dniową prostą średnią kroczącą i wzrostem o 5 - dzień EMA i 35-dniowa EMA. 150-dniowa średnia krocząca rośnie tak długo, jak długo utrzymuje się powyżej poziomu sprzed pięciu dni. Przeciążenie występuje, gdy 5-dniowa EMA przenosi się powyżej 35-dniowej EMA na ponad średnią głośność. Niedźwiedzia średnia ruchoma: te skany szukają zapasów o spadającej 150-dniowej prostej średniej kroczącej i niedźwiedzim krzyżu 5-dniowej EMA i 35-dniowej EMA. 150-dniowa średnia krocząca spada tak długo, jak utrzymuje się poniżej poziomu sprzed pięciu dni. Niedźwiedzia krzyż występuje, gdy 5-dniowa EMA przenosi się poniżej 35-dniowej EMA na ponad przeciętną objętość. Dalsze badania Książka Johna Murphy'ego39 zawiera rozdział poświęcony ruchomym średnim i ich różnym zastosowaniom. Murphy opisuje zalety i wady średnich kroczących. Ponadto Murphy pokazuje, jak średnie ruchome współdziałają z zespołami Bollinger Bands i systemami handlu opartymi na kanałach. Analiza techniczna rynków finansowych John MurphyExponential Smoothing Explained. skopiuj Copyright. Treści w InventoryOps są chronione prawami autorskimi i nie są dostępne do ponownej publikacji. Kiedy ludzie po raz pierwszy napotykają termin Wygładzanie wykładnicze, mogą pomyśleć, że to brzmi jak piekło dużo wygładzenia. niezależnie od wygładzania. Następnie zaczynają sobie wyobrazić skomplikowane matematyczne obliczenia, które prawdopodobnie wymagają zrozumienia z matematyki i mamy nadzieję, że dostępna jest wbudowana funkcja programu Excel, jeśli kiedykolwiek będą tego potrzebować. Rzeczywistość wygładzania wykładniczego jest znacznie mniej dramatyczna i znacznie mniej traumatyczna. Prawda jest taka, że ​​wygładzanie wykładnicze jest bardzo prostym obliczeniem, które wykonuje raczej proste zadanie. To po prostu ma skomplikowaną nazwę, ponieważ to, co technicznie dzieje się w wyniku tych prostych obliczeń, jest w rzeczywistości nieco skomplikowane. Aby zrozumieć wykładnicze wygładzanie, warto zacząć od ogólnej koncepcji wygładzania i kilku innych popularnych metod stosowanych w celu uzyskania wygładzenia. Co to jest wygładzanie? Wygładzanie jest bardzo powszechnym procesem statystycznym. W rzeczywistości regularnie napotykamy wygładzone dane w różnych formach w naszym codziennym życiu. Za każdym razem, gdy używasz średniej do opisania czegoś, używasz wygładzonej liczby. Jeśli zastanowisz się, dlaczego używasz średniej do opisania czegoś, szybko zrozumiesz pojęcie wygładzania. Na przykład właśnie przeżyliśmy najcieplejszą zimę na płycie. W jaki sposób jesteśmy w stanie oszacować ten odbiór, rozpoczynamy od zestawów danych dotyczących dziennych wysokich i niskich temperatur w okresie, który nazywamy zimą w każdym roku w zarejestrowanej historii. Ale to pozostawia nam sporo liczb, które przeskakują dookoła (nie jest tak, że każdego dnia ta zima była cieplejsza niż odpowiednie dni z poprzednich lat). Potrzebujemy liczby, która usuwa wszystkie te skoki z danych, abyśmy mogli łatwiej porównywać jedną zimę do następnej. Usunięcie przeskakiwania w danych nazywa się wygładzaniem iw tym przypadku możemy użyć zwykłej prostej do osiągnięcia wygładzenia. W prognozowaniu popytu używamy wygładzania, aby usunąć przypadkową zmienność (hałas) z naszego historycznego popytu. Dzięki temu możemy lepiej zidentyfikować wzorce popytu (głównie trend i sezonowość) oraz poziomy popytu, które można wykorzystać do oszacowania przyszłego popytu. Hałas na żądanie to taka sama koncepcja, jak codzienne przeskakiwanie danych o temperaturze. Nic dziwnego, że najczęstszym sposobem, w jaki ludzie usuwają hałas z historii popytu, jest użycie prostego przeciętnego lub konkretniej średniej ruchomej. Średnia ruchoma używa tylko predefiniowanej liczby okresów do obliczenia średniej, a te okresy przesuwają się wraz z upływem czasu. Na przykład, jeśli używam 4-miesięcznej średniej kroczącej, a dziś jest 1 maja, używam średniego popytu, które miało miejsce w styczniu, lutym, marcu i kwietniu. 1 czerwca będę korzystał z popytu od lutego, marca, kwietnia i maja. Średnia ważona ruchoma. Używając średniej, stosujemy tę samą wagę (wagę) do każdej wartości w zbiorze danych. W 4-miesięcznej średniej ruchomej każdy miesiąc reprezentował 25 średniej ruchomej. Używając historii popytu do prognozowania przyszłego popytu (a zwłaszcza przyszłego trendu), logiczne jest stwierdzenie, że chcesz, aby nowsza historia miała większy wpływ na twoją prognozę. Możemy dostosować nasze obliczenia średniej ruchomej, aby zastosować różne wagi w każdym okresie, aby uzyskać pożądane wyniki. Wyrażamy te wagi jako wartości procentowe, a suma wszystkich wag dla wszystkich okresów musi sumować się do 100. Dlatego, jeśli zdecydujemy, że chcemy zastosować 35 jako wagę dla najbliższego okresu w naszej 4-miesięcznej ważonej średniej kroczącej, możemy odejmij 35 od 100, aby znaleźć 65 pozostałych do podzielenia na pozostałe 3 okresy. Na przykład możemy otrzymać wagę odpowiednio 15, 20, 30 i 35 przez 4 miesiące (15 20 30 35 100). Wygładzanie wykładnicze. Jeśli powrócimy do koncepcji stosowania wagi do najnowszego okresu (np. 35 w poprzednim przykładzie) i rozłożenia pozostałej masy (obliczonej przez odjęcie ostatniego okresu waga 35 od 100 do 65), mamy podstawowe elementy składowe naszego obliczania wykładniczego wygładzania. Wejście sterujące obliczania wykładniczego wygładzania jest znane jako współczynnik wygładzania (zwany także stałą wygładzania). Zasadniczo przedstawia to wagę zastosowaną do ostatnich okresów popytu. Tak więc, gdy użyliśmy 35 jako wagi dla ostatniego okresu w ważonej średniej ruchomej, możemy również użyć 35 jako współczynnika wygładzania w naszym wykładniczym wyliczaniu wygładzającym, aby uzyskać podobny efekt. Różnica z wykładniczym obliczaniem wygładzania polega na tym, że zamiast tego, abyśmy musieli obliczyć, o ile waga ma zastosowanie do każdego poprzedniego okresu, współczynnik wygładzania jest wykorzystywany do tego automatycznie. Oto część wykładnicza. Jeśli użyjemy 35 jako czynnika wygładzającego, to waga ostatnich okresów będzie wynosić 35. Waga następnego okresu ostatniego popytu (okres przed ostatnim) wyniesie 65 z 35 (65 pochodzi z odjęcia 35 z 100). Oznacza to wagę 22,75 dla tego okresu, jeśli wykonujesz obliczenia matematyczne. Kolejne ostatnie okresy będą wynosić 65 z 65 z 35, co stanowi 14,79. Okres wcześniejszy będzie ważony jako 65 z 65 z 65 z 35, co równa się 9,61, i tak dalej. I to powraca przez wszystkie poprzednie okresy aż do początku czasu (lub punktu, w którym zacząłeś używać wygładzania wykładniczego dla tego konkretnego przedmiotu). Prawdopodobnie myślisz, że wygląda jak cała masa matematyki. Ale piękno wykładniczego obliczania wygładzania polega na tym, że zamiast przeliczać za każdy poprzedni okres za każdym razem, gdy otrzymujesz nowy okres, wystarczy użyć wyniku wykładniczego obliczenia wygładzania z poprzedniego okresu, aby przedstawić wszystkie poprzednie okresy. Czy jesteś jeszcze zdezorientowany? To będzie miało więcej sensu, gdy spojrzymy na rzeczywiste obliczenia. Zazwyczaj odnosimy się do wyjścia wykładniczego obliczania wygładzania jako następnej prognozy okresu. W rzeczywistości ostateczna prognoza wymaga trochę więcej pracy, ale dla celów tego konkretnego obliczenia będziemy ją nazywać prognozą. Obliczenia wygładzania wykładniczego są następujące: Ostatnie okresy wymagają pomnożenia przez współczynnik wygładzania. PLUS Ostatnia prognoza okresu pomnożona przez (jeden minus współczynnik wygładzania). D ostatnie okresy wymagają współczynnika wygładzania przedstawionego w postaci dziesiętnej (więc 35 będzie reprezentowane jako 0,35). F najświeższe prognozy okresów (wynik obliczeń wygładzających z poprzedniego okresu). OR (zakładając współczynnik wygładzania 0,35) (D 0,35) (F 0,65) Nie robi się o wiele prostsze. Jak widać, wszystko, czego potrzebujemy na dane wejściowe tutaj, to najnowsze okresy popytu i najnowsze prognozy okresów. Stosujemy czynnik wygładzający (ważenie) do ostatnich okresów, tak jak w obliczeniach ważonej średniej ruchomej. Następnie stosujemy pozostałą wagę (1 minus współczynnik wygładzania) do ostatnich prognozowanych okresów. Ponieważ ostatnia prognoza okresu została utworzona na podstawie poprzednich okresów, prognozy popytu i poprzednich okresów, które opierały się na popycie za poprzedni okres i prognozę za poprzedni okres, na podstawie zapotrzebowania za okres poprzedzający. oraz prognozę na okres wcześniejszy, który był oparty na okresie wcześniejszym. cóż, możesz zobaczyć, jak wszystkie poprzednie okresy popytu są reprezentowane w obliczeniach bez faktycznego cofania i ponownego przeliczania czegokolwiek. I to właśnie spowodowało początkową popularność wygładzania wykładniczego. Nie było tak dlatego, że lepiej wyrównało niż średnia ważona średnia ruchowa, ponieważ było to łatwiejsze do obliczenia w programie komputerowym. I dlatego, że nie trzeba było myśleć o tym, jakie ważenie ma dawać poprzednie okresy lub ile poprzednich okresów użyć, tak jak w ważonej średniej kroczącej. A ponieważ brzmiał po prostu chłodniej niż ważona średnia ruchoma. W rzeczywistości można argumentować, że ważona średnia ruchoma zapewnia większą elastyczność, ponieważ masz większą kontrolę nad ważeniem poprzednich okresów. Rzeczywistość jest jednym z nich może zapewnić godne wyniki, więc dlaczego nie pójść z łatwiejszym i chłodniejszym brzmieniem. Wygładzanie wykładnicze w Excelu Pozwala zobaczyć, jak to faktycznie wygląda w arkuszu kalkulacyjnym z prawdziwymi danymi. skopiuj Copyright. Treści w InventoryOps są chronione prawami autorskimi i nie są dostępne do ponownej publikacji. Na rysunku 1A mamy arkusz kalkulacyjny Excel z 11-tygodniowym zapotrzebowaniem i wykładniczo wygładzoną prognozą obliczoną na podstawie tego popytu. Zastosowałem współczynnik wygładzania równy 25 (0,25 w komórce C1). Aktualna aktywna komórka to Cell M4, która zawiera prognozę na tydzień 12. Na pasku formuły można zobaczyć formułę: (L3C1) (L4 (1-C1)). Tak więc jedynymi bezpośrednimi wejściami do tego obliczenia są poprzednie okresy popytu (komórka L3), poprzednie prognozy okresów (komórka L4) i czynnik wygładzający (komórka C1, pokazana jako bezwzględne odwołanie do komórki C1). Po rozpoczęciu obliczania wygładzania wykładniczego musimy ręcznie podłączyć wartość pierwszej prognozy. Tak więc w komórce B4 zamiast formuły wpisaliśmy popyt z tego samego okresu co prognoza. W komórce C4 mamy nasze pierwsze obliczenie wygładzania wykładniczego (B3C1) (B4 (1-C1)). Następnie możemy skopiować komórkę C4 i wkleić ją w komórkach od D4 do M4, aby wypełnić pozostałe komórki naszej prognozy. Możesz teraz kliknąć dwukrotnie dowolną komórkę prognozy, aby zobaczyć, że jest ona oparta na komórce z poprzednimi okresami prognozy i komórce z poprzednim okresem. Tak więc każde kolejne wykładnicze obliczanie wygładzania dziedziczy wyniki poprzedniej wykładniczej kalkulacji wygładzania. To, w jaki sposób zapotrzebowanie poprzednich okresów jest reprezentowane w ostatnich obliczeniach okresów, nawet jeśli obliczenia te nie odnoszą się bezpośrednio do tych poprzednich okresów. Jeśli chcesz mieć ochotę, możesz użyć funkcji precedersów Excela. Aby to zrobić, kliknij komórkę M4, a następnie na pasku narzędzi wstążki (Excel 2007 lub 2017) kliknij kartę Formuły, a następnie kliknij opcję Śledź wstępne. Będzie narysować linie łączące do pierwszego poziomu precedensów, ale jeśli będziesz nadal klikać Trace Precedents, narysuje linie łączące do wszystkich poprzednich okresów, aby pokazać dziedziczone relacje. Teraz zobaczmy, co dla nas wygładziło wykładnicze. Rysunek 1B pokazuje wykres liniowy naszego popytu i prognozy. Sprawa pokazuje, w jaki sposób wykładniczo wygładzona prognoza usuwa większość nierówności (przeskakiwania) z tygodniowego popytu, ale wciąż udaje się podążać za tendencją wzrostową popytu. Zauważysz również, że wygładzona linia prognozy jest zwykle niższa niż linia popytu. Jest to znane jako opóźnienie trendu i jest efektem ubocznym procesu wygładzania. Za każdym razem, gdy używasz wygładzania, gdy trend jest obecny, twoja prognoza będzie opóźniona w stosunku do trendu. Dotyczy to dowolnej techniki wygładzania. W rzeczywistości, gdybyśmy kontynuowali ten arkusz kalkulacyjny i zaczęli wprowadzać mniejszą liczbę popytu (tworząc tendencję spadkową), zobaczylibyśmy spadek linii popytu, a linia trendu przesunęła się nad nią, zanim zacznie podążać za trendem spadkowym. To dlatego poprzednio wspomniałem o wynikach obliczeń wykładniczych wygładzania, które nazywamy prognozą, nadal wymaga jeszcze więcej pracy. Prognozowanie jest o wiele większe niż tylko wygładzenie popytu. Musimy wprowadzić dodatkowe korekty dotyczące takich zjawisk jak opóźnienie trendu, sezonowość, znane zdarzenia, które mogą wpływać na popyt itp. Ale to wszystko wykracza poza zakres tego artykułu. Najprawdopodobniej spotkasz się również z terminami wygładzania podwójnie wykładniczego i potrójnego wykładniczego. Warunki te są nieco mylące, ponieważ nie można wielokrotnie wygładzać popytu (możesz, jeśli chcesz, ale nie o to tutaj chodzi). Warunki te reprezentują wykorzystanie wygładzania wykładniczego dla dodatkowych elementów prognozy. Dzięki prostemu wygładzaniu wykładniczemu wyrównujesz zapotrzebowanie bazowe, ale dzięki wygładzeniu o podwójnej wykładniczce wygładzasz bazowy popyt i trend, a dzięki potrójnemu wykładniczemu wygładzasz podstawowe zapotrzebowanie plus trend i sezonowość. Drugim najczęściej zadawanym pytaniem o wygładzanie wykładnicze jest to, gdzie dostaję mój czynnik wygładzający. Nie ma tu magicznej odpowiedzi, musisz przetestować różne czynniki wygładzania danymi o zapotrzebowaniu, aby zobaczyć, co daje najlepsze wyniki. Istnieją obliczenia, które mogą automatycznie ustawiać (i zmieniać) współczynnik wygładzania. Spadają pod pojęciem adaptacyjnego wygładzania, ale trzeba z nimi uważać. Po prostu nie ma idealnej odpowiedzi i nie należy ślepo wprowadzać żadnych obliczeń bez dokładnego testowania i dokładnego zrozumienia tego, co to obliczenie robi. Powinieneś również uruchomić scenariusze typu "co, jeśli", aby zobaczyć, jak te obliczenia reagują na zmiany popytu, które obecnie nie istnieją w danych o popycie, których używasz do testowania. Przykład danych użyty wcześniej był bardzo dobrym przykładem sytuacji, w której naprawdę trzeba przetestować inne scenariusze. Ten konkretny przykład danych pokazuje nieco stałą tendencję wzrostową. Wiele dużych firm z bardzo drogim oprogramowaniem prognostycznym miało poważne kłopoty w niedalekiej przeszłości, kiedy ich ustawienia oprogramowania, które zostały ulepszone dla rozwijającej się gospodarki, nie zareagowały dobrze, gdy gospodarka zaczęła się stagnować lub kurczyć. Takie rzeczy zdarzają się, gdy nie rozumiesz, co faktycznie robią twoje obliczenia (oprogramowanie). Gdyby zrozumieli swój system prognostyczny, wiedzieliby, że muszą wskoczyć i coś zmienić, gdy nastąpią gwałtowne dramatyczne zmiany w ich działalności. Oto wyjaśnione są podstawy wygładzania wykładniczego. Chcesz dowiedzieć się więcej na temat korzystania z wygładzania wykładniczego w rzeczywistej prognozie, zapoznaj się z moją książką Objaśnienie zarządzania zasobami. skopiuj Copyright. Treści w InventoryOps są chronione prawami autorskimi i nie są dostępne do ponownej publikacji. Dave Piasecki. jest właścicielem operacyjnym Inventory Operations Consulting LLC. firma doradcza świadcząca usługi związane z zarządzaniem zapasami, obsługą materiałów i działalnością magazynową. Ma ponad 25 lat doświadczenia w zarządzaniu operacjami i można go uzyskać za pośrednictwem swojej strony internetowej (inwentaryzacji), gdzie utrzymuje dodatkowe istotne informacje. Dane BusinessSmoothing mojej firmy usuwają przypadkową zmienność i pokazują trendy i elementy cykliczne. Nieodłącznym elementem gromadzenia danych w czasie jest pewna forma losowej zmienności. Istnieją metody zmniejszania efektu anulowania z powodu losowej zmienności. Często używaną techniką w przemyśle jest wygładzanie. Technika ta, po prawidłowym zastosowaniu, bardziej wyraźnie ujawnia podstawowy trend, czynniki sezonowe i cykliczne. Istnieją dwie różne grupy metod wygładzania Metody uśredniania Metody wyrównywania wykładniczego Wykonywanie średnich jest najprostszym sposobem na wygładzenie danych Najpierw zbadamy niektóre metody uśredniania, takie jak prosta średnia wszystkich przeszłych danych. Kierownik magazynu chce wiedzieć, ile typowy dostawca dostarcza w jednostkach za 1000 USD. Heshe pobiera losowo losowo 12 dostawców, uzyskując następujące wyniki: Obliczoną średnią lub średnią danych 10. Zarządzający decyduje się wykorzystać to jako oszacowanie wydatków przeciętnego dostawcy. Czy to jest dobre czy złe oszacowanie Średni kwadrat błędu to sposób na osądzenie tego, jak dobry jest model Obliczymy błąd średniokwadratowy. Błąd rzeczywistej wydanej kwoty minus szacowana kwota. Błąd do kwadratu jest powyższym błędem, podniesiony do kwadratu. SSE jest sumą kwadratów błędów. MSE jest średnią z kwadratów błędów. Wyniki MSE na przykład Wyniki są następujące: Błędy i błędy kwadratowe Szacunek 10 Powstaje pytanie: czy możemy użyć średniej do prognozowania dochodu, jeśli podejrzewamy pewien trend. Spojrzenie na poniższy wykres pokazuje wyraźnie, że nie powinniśmy tego robić. Średnia w równym stopniu waży wszystkie poprzednie obserwacje Podsumowując, stwierdzamy, że Prosta średnia lub średnia ze wszystkich przeszłych obserwacji jest jedynie użytecznym oszacowaniem do prognozowania, gdy nie ma tendencji. Jeśli istnieją trendy, użyj różnych szacunków uwzględniających tę tendencję. Średnia waży jednakowo wszystkie poprzednie obserwacje. Na przykład średnia z wartości 3, 4, 5 wynosi 4. Wiemy oczywiście, że średnią oblicza się, dodając wszystkie wartości i dzieląc sumę przez liczbę wartości. Innym sposobem obliczenia średniej jest dodanie każdej wartości podzielonej przez liczbę wartości lub 33 43 53 1 1,3333 1,6667 4. Mnożnik 13 nazywany jest wagą. Ogólnie: bar frac suma w lewo (frac w prawo) x1 w lewo (frac w prawo) x2,. ,, left (frac right) xn. (Po lewej (frac po prawej)) są wagami i, oczywiście, sumują się do 1.