Gleitender Durchschnittslöser

Moving Average Dieses Beispiel lehrt, wie Sie den gleitenden Durchschnitt einer Zeitreihe in Excel berechnen. Eine Bewegung wird verwendet, um Unregelmäßigkeiten (Spitzen und Täler) zu glätten, um Trends leicht zu erkennen. 1. Erstens, werfen wir einen Blick auf unsere Zeitreihe. 2. Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis: Klicken Sie hier, um das Analyse-ToolPak-Add-In zu laden. 3. Wählen Sie Verschiebender Durchschnitt aus, und klicken Sie auf OK. 4. Klicken Sie im Feld Eingabebereich auf den Bereich B2: M2. 5. Klicken Sie in das Feld Intervall und geben Sie 6 ein. 6. Klicken Sie in das Feld Ausgabebereich und wählen Sie Zelle B3 aus. 8. Zeichnen Sie ein Diagramm dieser Werte. Erläuterung: Da wir das Intervall auf 6 setzen, ist der gleitende Durchschnitt der Durchschnitt der letzten 5 Datenpunkte und der aktuelle Datenpunkt. Als Ergebnis werden Spitzen und Täler geglättet. Die Grafik zeigt eine zunehmende Tendenz. Excel kann den gleitenden Durchschnitt für die ersten 5 Datenpunkte nicht berechnen, da nicht genügend frühere Datenpunkte vorhanden sind. 9. Wiederholen Sie die Schritte 2 bis 8 für Intervall 2 und Intervall 4. Fazit: Je größer das Intervall, desto mehr werden die Spitzen und Täler geglättet. Je kleiner das Intervall, desto näher sind die gleitenden Mittelwerte zu den tatsächlichen Datenpunkten. Moving Average Calculator Angesichts einer Liste von sequentiellen Daten können Sie den n - point gleitenden Durchschnitt (oder den gleitenden Durchschnitt) konstruieren, indem man den Durchschnitt jedes Satzes von n ermittelt Aufeinanderfolgenden Punkten. Wenn Sie beispielsweise den geordneten Datensatz 10, 11, 11, 15, 13, 14, 12, 10, 11 haben, wird der 4-Punkt-Verschiebungsdurchschnitt 11,75, 12,5, 13,25, 13,5, 12,25, 11,75, Bewegungsdurchschnitte verwendet Um sequentielle Daten zu glätten, bilden sie scharfe Spitzen und Dips, die weniger ausgeprägt sind, da jeder Rohdatenpunkt nur ein Bruchteilgewicht im gleitenden Durchschnitt gegeben wird. Je größer der Wert von n ist. Desto glatter ist der Graph des gleitenden Mittelwertes im Vergleich zum Graphen der ursprünglichen Daten. Aktienanalysten betrachten häufig bewegte Durchschnitte der Aktienpreisdaten, um Trends vorherzusagen und Muster besser zu sehen. Sie können den folgenden Taschenrechner verwenden, um einen gleitenden Durchschnitt eines Datensatzes zu finden. Anzahl der Begriffe in einem einfachen n-Punkt gleitenden Durchschnitt Wenn die Anzahl der Begriffe in der ursprünglichen Menge d ist und die Anzahl der in jedem Durchschnitt verwendeten Begriffe n ist. Dann wird die Anzahl der Begriffe in der gleitenden Durchschnittssequenz sein. Wenn Sie beispielsweise eine Sequenz von 90 Aktienkursen haben und den 14-tägigen Rollendurchschnitt der Kurse einnehmen, wird die rollende durchschnittliche Sequenz 90-14-177 Punkte haben. Dieser Rechner berechnet Bewegungsdurchschnitte, bei denen alle Begriffe gleich gewichtet werden. Sie können auch gewichtete gleitende Durchschnitte erstellen, in denen einige Begriffe stärker gewichtet werden als andere. Zum Beispiel geben mehr Gewicht zu jüngeren Daten, oder die Schaffung eines zentral gewichteten Mittelwert, wo die mittleren Begriffe werden mehr gezählt. Siehe die gewichteten gleitenden Durchschnitte Artikel und Taschenrechner für weitere Informationen. Zusammen mit bewegenden arithmetischen Mitteln schauen einige Analytiker auch den bewegten Median der geordneten Daten an, da der Median von den fremden Ausreißern nicht beeinflußt wird. Bewegen Durchschnittliche Daten, die über Zeit gesammelt werden, zeigen wahrscheinlich irgendeine Form der gelegentlichen Veränderung. Glättungstechniken können verwendet werden, um die Wirkung dieser Variationen zu reduzieren oder aufzuheben. Diese Techniken glätten, wenn sie richtig angewandt werden, die zufällige Variation in den Zeitreihendaten, um irgendwelche zugrunde liegenden Trends zu entdecken, die existieren können. In dieser einfachen Technik wird jeder Beobachtung ein gleiches Gewicht zugeordnet. Zusätzliche Beobachtungen werden unter Verwendung des Durchschnitts der vorhergehenden Beobachtungen prognostiziert. Wenn wir die Zeitreihen X1, X2, X3 haben. Xt, dann wird diese Technik Xtk wie folgt vorhersagen. St-Mittelwert (xt-k1, xt-k2 · xt), tk, k1, k2. N wobei k der Glättungsparameter ist. Das XLMiner Analysis Toolpak Add-on erlaubt einen Parameterwert zwischen 2 und t-1, wobei t die Anzahl der Beobachtungen im Datensatz ist. Bei der Auswahl dieses Parameters ist darauf zu achten, dass ein großer Parameterwert die Daten übersteigt, während ein kleiner Parameterwert die Daten unterschreitet. Die Verwendung der letzten drei Beobachtungen ist typischerweise ausreichend, um die nächste Beobachtung vorherzusagen. Diese Technik sollte nicht angewendet werden, wenn Saisonalität im Datensatz vorhanden ist. Das Beispiel Zeitreihen-Dataset unten enthält die monatlichen Fluggesellschaft Passagiere in Tausende für eine kleine regionale Fluggesellschaft. Erstellen Sie eine Prognose mit diesen historischen Daten als Eingabe. So generieren Sie die Prognose: Klicken Sie im Bereich XLMiner Analysis ToolPak auf Moving Average. Klicken Sie auf das Feld Eingabebereich und geben Sie dann den Zellenbereich B1: B25 ein. Lassen Sie die Beschriftungen in der ersten Zeile ausgewählt, da die erste Zeile im Datenbereich die Spaltenbeschriftung enthält. Geben Sie einen Wert für Intervall ein, in diesem Beispiel verwenden Sie 3. Klicken Sie auf das Feld Ausgabebereich und geben Sie dann die Zelle D1 ein. Halten Sie die Diagrammausgabe aktiviert, um ein Diagramm der Ausgabe anzuzeigen. Halten Sie Standardfehler ausgewählt, um die Standardfehler im Bericht anzuzeigen. Klicken Sie auf OK. Die Ergebnisse sind unten. Die Ergebnisse des Moving Average Glättungsverfahrens Die Zellen werden in die Zellen E2: E25 eingefügt. Die Zellen F2: F25 enthalten die Standardfehler. Die NA-Fehler in der ersten Zelle der Spalte E und die ersten vier der Spalte F sind auf unzureichende historische Werte zurückzuführen, die benötigt werden, um eine Prognose zu projizieren oder einen Standardfehler zu berechnen.