محاسبه میانگین متحرک در اکسل و پیش بینی

مدل سازی عملی موقعیت های اقتصادی به معنای توسعه پیش بینی ها است. شما می توانید چنین روشهای پیش بینی موثر را با استفاده از ابزارهای اکسل مانند صاف کردن نمایی ، ساخت رگرسیون ، میانگین حرکت پیاده سازی کنید. بیایید استفاده از روش متوسط متحرک را با جزئیات بیشتر در نظر بگیریم.

استفاده از میانگین حرکت در اکسل

روش متوسط در حال حرکت یکی از روشهای تجربی برای هموار سازی و پیش بینی سری زمانی است. جوهر: مقادیر مطلق یک سری زمانی به مقادیر حسابی متوسط در فواصل خاص تغییر می کند. انتخاب فواصل با روش خط لغزش انجام می شود: سطح اول به تدریج برداشته می شود و سطوح بعدی روشن می شوند. در نتیجه ، یک دامنه پویا صاف از مقادیر به دست می آید که باعث می شود به وضوح روند تغییرات در پارامتر را ردیابی کند.

سری زمانی مجموعه ای از مقادیر به هم پیوسته x و y است. فواصل زمانی و متغیر ثابت هستند. Y ویژگی وقوع وقوع تحت بررسی است (به عنوان مثال ، قیمتی که در یک دوره زمانی خاص اجرا می شود) و متغیر وابسته است. شما می توانید ماهیت تغییرات در مقدار y را در زمان شناسایی کرده و این پارامتر را در آینده با استفاده از میانگین متحرک پیش بینی کنید. این روش زمانی کار می کند که روند مقادیر به وضوح در دینامیک ردیابی شود.

به عنوان مثال ، شما نیاز به پیش بینی فروش برای ماه نوامبر دارید. تحلیلگر تعداد ماههای گذشته را برای تجزیه و تحلیل (تعداد مطلوب M اعضای متوسط در حال حرکت) انتخاب می کند. پیش بینی ماه نوامبر میانگین پارامترهای ماه گذشته خواهد بود.

وظیفه. درآمد شرکت را به مدت 11 ماه تجزیه و تحلیل کنید و برای دوازدهمین ماه پیش بینی کنید.

ما با استفاده از میانگین عملکرد ، سری زمانی صاف شده را با استفاده از میانگین عملکرد تشکیل می دهیم. ما انحرافات میانه سری زمانی صاف را از سری زمانی داده شده می یابیم.

1. ما یک سری زمانی صاف را با استفاده از روش متوسط متحرک برای 2 ماه گذشته می سازیم. ما بر اساس مقادیر سری زمانی اولیه هستیم. فرمول متوسط در حال حرکت در اکسل. فرمول را در محدوده سلولهای C6: C14 با استفاده از نشانگر خودکار کپی کنید.
2. به طور مشابه ، ما یک سری از مقادیر را برای میانگین متحرک سه ماهه می سازیم. فرمول بعدی است:
3. با همین اصل ، ما یک سری مقادیر را برای میانگین متحرک چهار ماهه تشکیل می دهیم.
4. بیایید نمودار را برای سری زمانی داده شده و پیش بینی های محاسبه شده بر اساس مقادیر آن برای این روش بسازیم. شکل نشان می دهد که خطوط روند میانگین متحرک نسبت به خط سری زمانی اصلی تغییر می کنند. این امر به این دلیل است که مقادیر محاسبه شده سری زمانی صاف در مقایسه با مقادیر مربوط به سری داده شده به تأخیر می افتد. از این گذشته ، محاسبات بر اساس داده های مشاهدات قبلی انجام شده است.
5. بیایید انحراف مطلق ، نسبی و میانگین مربع را از سری زمانی صاف محاسبه کنیم. انحراف مطلق:

میانگین انحراف مربع:

همان تعداد مشاهدات هنگام محاسبه انحرافات انجام شد. این امر به منظور انجام تجزیه و تحلیل مقایسه ای خطاها ضروری است.

پس از مقایسه جداول با انحراف ، استفاده از مدل دو ماهه ترجیح داده می شود. این روش بهتر برای پیش بینی روند تغییر درآمد شرکت با استفاده از روش متوسط متحرک در اکسل است. در پیش بینی حداقل خطاهای (در مقایسه با سه و چهار ماه) دارد.

درآمد پیش بینی شده به مدت 12 ماه 9 430 دلار است.

با استفاده از افزودنی "بسته تجزیه و تحلیل داده"

بیایید همین کار را برای این مثال انجام دهیم.

در برگه "داده" دستور "تجزیه و تحلیل داده ها" را پیدا می کنیم."میانگین حرکت" را در گفتگوی ظاهر شده انتخاب کنید:

بیایید همه زمینه ها را پر کنیم. فاصله ورودی مقادیر اولیه سری زمانی است. فاصله تعداد ماههای موجود در محاسبه میانگین متحرک است. شماره 2 را در این زمینه وارد کنید زیرا ما ابتدا یک سری زمانی صاف را بر اساس داده های دو ماه گذشته ایجاد خواهیم کرد. فاصله خروجی دامنه سلولها برای استخراج نتایج است.

ما با قرار دادن یک علامت چک در کادر "خطاهای استاندارد" به طور خودکار یک ستون را با یک تخمین خطای آماری اضافه می کنیم.

به همین روش ، میانگین متحرک را به مدت سه ماه می یابیم. فقط فاصله (3) و دامنه خروجی تغییر می کند.

ما پس از مقایسه خطاهای استاندارد متقاعد شده ایم که مدل میانگین حرکت دو ماهه برای هموار سازی و پیش بینی مناسب تر است. خطاهای استانداردی کوچکتر دارد. درآمد پیش بینی شده به مدت 12 ماه 9 430 دلار است.

ایجاد پیش بینی با استفاده از روش متوسط متحرک ساده و مؤثر است. این ابزار به طور دقیق نشان دهنده تغییرات در پارامترهای اصلی دوره قبلی است. اما فراتر از حد داده های شناخته شده غیرممکن است. بنابراین ، روش های دیگر برای پیش بینی طولانی مدت استفاده می شود.