Moving Average Forecasting Introdução. Como você pode imaginar, estamos olhando para algumas das abordagens mais primitivas para a previsão. Mas espero que estas sejam pelo menos uma introdução que vale a pena para algumas das questões de computação relacionadas com a implementação de previsões em planilhas. Neste sentido, vamos continuar a partir do início e começar a trabalhar com previsões de média móvel. Previsões médias móveis. Todo mundo está familiarizado com as previsões de média móvel, independentemente de eles acreditam que são. Todos os estudantes universitários fazê-los o tempo todo. Pense nos seus resultados de teste em um curso onde você vai ter quatro testes durante o semestre. Vamos supor que você tem um 85 em seu primeiro teste. O que você poderia prever para sua pontuação do segundo teste O que você acha que seu professor iria prever para a sua próxima pontuação de teste O que você acha que seus amigos podem prever para a sua próxima pontuação de teste O que você acha que seus pais podem prever para a sua próxima pontuação de teste Todo o blabbing você pôde fazer a seus amigos e pais, eles e seu professor são muito prováveis esperar que você comece algo na área dos 85 que você começou apenas. Bem, agora vamos supor que, apesar de sua auto-promoção para seus amigos, você superestimar-se e figura que você pode estudar menos para o segundo teste e assim você começa um 73. Agora o que são todos os interessados e despreocupado vai Antecipar você vai chegar em seu terceiro teste Existem duas abordagens muito provável para eles desenvolver uma estimativa, independentemente de se eles vão compartilhar com você. Eles podem dizer a si mesmos: "Esse cara está sempre soprando fumaça sobre sua inteligência. Hes que vai obter outro 73 se hes afortunado. Talvez os pais tentem ser mais solidários e dizer: "Bem, até agora você conseguiu um 85 e um 73, então talvez você deva imaginar sobre como obter um (85 73) 2 79. Eu não sei, talvez se você fez menos festas E werent abanando a doninhas em todo o lugar e se você começou a fazer muito mais estudando você poderia obter uma pontuação mais alta. Ambos estas estimativas são, na verdade, a média móvel previsões. O primeiro é usar apenas sua pontuação mais recente para prever o seu desempenho futuro. Isso é chamado de média móvel usando um período de dados. O segundo é também uma previsão média móvel, mas usando dois períodos de dados. Vamos supor que todas essas pessoas rebentando em sua grande mente têm tipo de puto você fora e você decidir fazer bem no terceiro teste para suas próprias razões e colocar uma pontuação mais alta na frente de seus quotalliesquot. Você toma o teste e sua pontuação é realmente um 89 Todos, incluindo você mesmo, está impressionado. Então agora você tem o teste final do semestre chegando e, como de costume, você sente a necessidade de incitar todos a fazer suas previsões sobre como você vai fazer no último teste. Bem, espero que você veja o padrão. Agora, espero que você possa ver o padrão. Qual você acha que é o apito mais preciso enquanto trabalhamos. Agora vamos voltar para a nossa nova empresa de limpeza iniciada por sua meia irmã distante chamado Whistle While We Work. Você tem alguns dados de vendas anteriores representados pela seção a seguir de uma planilha. Primeiro, apresentamos os dados para uma previsão média móvel de três períodos. A entrada para a célula C6 deve ser Agora você pode copiar esta fórmula de célula para baixo para as outras células C7 a C11. Observe como a média se move sobre os dados históricos mais recentes, mas usa exatamente os três períodos mais recentes disponíveis para cada previsão. Você também deve notar que nós realmente não precisamos fazer as previsões para os períodos passados, a fim de desenvolver a nossa previsão mais recente. Isso é definitivamente diferente do modelo de suavização exponencial. Ive incluído o quotpast previsões, porque vamos usá-los na próxima página da web para medir a validade de previsão. Agora eu quero apresentar os resultados análogos para uma previsão média móvel de dois períodos. A entrada para a célula C5 deve ser Agora você pode copiar esta fórmula de célula para baixo para as outras células C6 a C11. Observe como agora apenas as duas mais recentes peças de dados históricos são usados para cada previsão. Mais uma vez eu incluí as previsões quotpast para fins ilustrativos e para uso posterior na validação de previsão. Algumas outras coisas que são de importância notar. Para uma previsão média móvel de m-período, apenas os m valores de dados mais recentes são usados para fazer a previsão. Nada mais é necessário. Para uma previsão média móvel do período m, ao fazer previsões quotpast, observe que a primeira predição ocorre no período m 1. Ambas as questões serão muito significativas quando desenvolvemos nosso código. Desenvolvendo a função de média móvel. Agora precisamos desenvolver o código para a previsão da média móvel que pode ser usado de forma mais flexível. O código segue. Observe que as entradas são para o número de períodos que você deseja usar na previsão ea matriz de valores históricos. Você pode armazená-lo em qualquer pasta de trabalho que você deseja. Função MovingAverage (Histórico, NumberOfPeriods) Como Único Declarar e inicializar variáveis Dim Item Como Variante Dim Counter Como Inteiro Dim Acumulação como Único Dim HistoricalSize As Inteiro Inicializando variáveis Counter 1 Acumulação 0 Determinando o tamanho da Historical array HistoricalSize Historical. Count For Counter 1 To NumberOfPeriods Acumulando o número apropriado dos valores mais recentes anteriormente observados Acumulação Acumulação Histórico (HistoricalSize - NumberOfPeriods Counter) MovingAverage Acumulação NumberOfPeriods O código será explicado na classe. Você quer posicionar a função na planilha para que o resultado da computação apareça onde ele deve gostar do seguinte. Criando um Movimento Simples Este é um dos três artigos a seguir sobre Análise de Séries Temporais no Excel Visão Geral da Média Móvel A média móvel É uma técnica estatística utilizada para suavizar as flutuações de curto prazo numa série de dados, a fim de reconhecer mais facilmente tendências ou ciclos de longo prazo. A média móvel é por vezes referida como uma média móvel ou uma média corrente. Uma média móvel é uma série de números, cada um dos quais representa a média de um intervalo de número especificado de períodos anteriores. Quanto maior o intervalo, mais suavização ocorre. Quanto menor o intervalo, mais a média móvel se assemelha à série de dados reais. As médias móveis executam as três funções a seguir: Suavização dos dados, o que significa melhorar o ajuste dos dados a uma linha. Reduzindo o efeito da variação temporária e do ruído aleatório. Destaque outliers acima ou abaixo da tendência. A média móvel é uma das técnicas estatísticas mais utilizadas na indústria para identificar tendências de dados. Por exemplo, os gerentes de vendas geralmente visualizam médias móveis de três meses de dados de vendas. O artigo irá comparar uma média móvel de dois meses, três meses e seis meses simples dos mesmos dados de venda. A média móvel é usada com bastante frequência na análise técnica de dados financeiros, como retornos de ações e em economia, para localizar tendências em séries macroeconômicas como o emprego. Há uma série de variações da média móvel. Os mais comumente empregados são a média móvel simples, a média móvel ponderada ea média móvel exponencial. Executar cada uma dessas técnicas no Excel será abordado em detalhes em artigos separados neste blog. Aqui está uma breve visão geral de cada uma dessas três técnicas. Média Móvel Simples Cada ponto em uma média móvel simples é a média de um número especificado de períodos anteriores. Este artigo de blog fornecerá uma explicação detalhada da implementação desta técnica no Excel. Média móvel ponderada Os pontos na média móvel ponderada também representam uma média de um número especificado de períodos anteriores. A média móvel ponderada aplica uma ponderação diferente a certos períodos anteriores, muitas vezes os períodos mais recentes recebem maior peso. Um link para outro artigo neste blog que fornece uma explicação detalhada da implementação desta técnica no Excel é a seguinte: Média móvel exponencial Pontos na média móvel exponencial também representam uma média de um número especificado de períodos anteriores. A suavização exponencial aplica fatores de ponderação a períodos anteriores que diminuem exponencialmente, nunca atingindo zero. Como resultado, a suavização exponencial leva em conta todos os períodos anteriores em vez de um número designado de períodos anteriores que a média móvel ponderada faz. Um link para outro artigo neste blog que fornece uma explicação detalhada da implementação desta técnica no Excel é a seguinte: O seguinte descreve o processo de 3 etapas de criar uma média móvel simples de dados de séries temporais no Excel Etapa 1 8211 Graph Os dados originais em um gráfico de séries temporais O gráfico de linhas é o gráfico de Excel mais utilizado para representar gráficos de dados de séries temporais. Um exemplo de um gráfico do Excel usado para plotar 13 períodos de dados de vendas é mostrado da seguinte forma: Etapa 2 8211 Criar a média móvel no Excel O Excel fornece a ferramenta Média móvel no menu Análise de dados. A ferramenta Média Móvel cria uma média móvel simples a partir de uma série de dados. A caixa de diálogo Média Móvel deve ser preenchida da seguinte forma para criar uma média móvel dos 2 períodos anteriores de dados para cada ponto de dados. A saída da média móvel de 2 períodos é apresentada da seguinte forma, juntamente com as fórmulas que foram utilizadas para calcular o valor de cada ponto na média móvel. Etapa 3 8211 Adicionar a série de média móvel ao gráfico Esses dados devem agora ser adicionados ao gráfico que contém os dados da linha de tempo original de vendas. Os dados serão simplesmente adicionados como mais uma série de dados no gráfico. Para fazer isso, clique com o botão direito do mouse em qualquer lugar no gráfico e um menu será exibido. Clique em Selecionar dados para adicionar a nova série de dados. A série de média móvel será adicionada preenchendo a caixa de diálogo Edit Series da seguinte maneira: O gráfico que contém a série de dados original ea média móvel simples de 2 intervalos de dados é mostrado da seguinte forma. Observe que a linha de média móvel é bastante mais suave e os desvios de dados brutos acima e abaixo da linha de tendência são muito mais aparentes. A tendência geral é agora muito mais aparente também. Uma média móvel de 3 intervalos pode ser criada e colocada no gráfico usando o mesmo procedimento da seguinte maneira: É interessante observar que a média móvel simples de 2 intervalos cria um gráfico mais suave que a média móvel simples de 3 intervalos. Neste caso, a média móvel simples de 2 intervalos pode ser mais desejável do que a média móvel de 3 intervalos. Para comparação, uma média móvel simples de 6 intervalos será calculada e adicionada ao gráfico da mesma maneira como segue: Como esperado, a média móvel simples de 6 intervalos é significativamente mais suave do que as médias móveis simples de 2 ou 3 intervalos. Um gráfico mais suave se encaixa mais diretamente em uma linha reta. Analisando Precisão de Precisão A precisão pode ser descrita como bondade de ajuste. Os dois componentes da precisão de previsão são os seguintes: Tendência de previsão 8211 A tendência de uma previsão ser consistentemente maior ou menor que os valores reais de uma série de tempo. O viés de previsão é a soma de todo o erro dividido pelo número de períodos como segue: Um viés positivo indica uma tendência para a subprevisão. Um viés negativo indica uma tendência para sobre-previsão. O viés não mede a precisão porque os erros positivos e negativos se cancelam mutuamente. Erro de Previsão 8211 A diferença entre os valores reais de uma série temporal e os valores previstos da previsão. As medidas mais comuns de erro de previsão são as seguintes: MAD 8211 Desvio absoluto médio MAD calcula o valor absoluto médio do erro e é calculado com a seguinte fórmula: A média dos valores absolutos dos erros elimina o efeito de cancelamento de erros positivos e negativos. Quanto menor for MAD, melhor será o modelo. MSE 8211 Mean Squared Error MSE é uma medida popular de erro que elimina o efeito de cancelamento de erros positivos e negativos somando os quadrados do erro com a seguinte fórmula: Os termos de grande erro tendem a exagerar MSE porque os termos de erro são todos ao quadrado. RMSE (Root Mean Square) reduz esse problema, tomando a raiz quadrada de MSE. MAPE 8211 Percentagem absoluta média MAPE também elimina o efeito de cancelamento de erros positivos e negativos somando os valores absolutos dos termos de erro. O MAPE calcula a soma dos termos de erro percentual com a seguinte fórmula: Ao somar os termos de erro percentual, o MAPE pode ser usado para comparar modelos de previsão que usam diferentes escalas de medição. Calculando Bias, MAD, MSE, RMSE e MAPE no Excel Para o Bias de Média Móvel Simples, MAD, MSE, RMSE e MAPE serão calculados no Excel para avaliar o intervalo simples de 2 intervalos, 3 intervalos e 6 intervalos Média obtida neste artigo e mostrada da seguinte forma: O primeiro passo é calcular E t. E t 2. E t, E t Y t-act. E, em seguida, somá-los da seguinte forma: Bias, MAD, MSE, MAPE e RMSE pode ser calculado da seguinte forma: Os mesmos cálculos são agora realizados para calcular Bias, MAD, MSE, MAPE e RMSE para a média móvel simples de 3 intervalos. Os mesmos cálculos são agora realizados para calcular Bias, MAD, MSE, MAPE e RMSE para a média móvel simples de 6 intervalos. Bias, MAD, MSE, MAPE e RMSE são resumidos para as médias móveis simples de 2 intervalos, 3 intervalos e 6 intervalos como se segue. A média móvel simples de 3 intervalos é o modelo que mais se ajusta aos dados reais. 160 Excel Master Series Diretório de Blogs Tópicos estatísticos e artigos em cada TopicExcel Previsão de Vendas para Dummies Cheat Sheet Quando você começa a aprender previsão, it8217s muitas vezes é uma boa idéia para se apoiar nas ferramentas do Excel no add-in Análise de Dados. Mas seu alcance é bastante limitado e antes de muito tempo é provável que você se encontre aproveitando as funções da planilha do Excel8217s diretamente. Quando você se encontra usando todas as estatísticas inferenciais que vêm junto com a função PROJ. LIN, você sabe que é hora de definir sua linha de base para uma previsão formal. 6 Ferramentas de Add-in de Análise de Dados do Excel O suplemento de Análise de Dados, anteriormente conhecido como o ToolPak de Análise, introduz fórmulas em seu nome para que você possa se concentrar no que está acontecendo com seus dados. Ele tem três diferentes ferramentas que são diretamente úteis na previsão média móvel, suavização exponencial e regressão, bem como vários outros que podem ser de ajuda. Heres uma lista de algumas das ferramentas que fazem parte do add-in Data Analysis. Existem, na verdade, três diferentes ferramentas ANOVA. Nenhum é especificamente útil para previsão, mas cada uma das ferramentas pode ajudá-lo a entender o conjunto de dados que está subjacente à sua previsão. As ferramentas ANOVA ajudá-lo a distinguir entre as amostras, por exemplo, as pessoas que vivem no Tennessee como uma determinada marca de carro melhor do que aqueles que vivem em Vermont Esta ferramenta é importante, independentemente do método que você usa para criar uma previsão. Se você tem mais de uma variável, ela pode dizer quão fortemente as duas variáveis estão relacionadas (mais ou menos 1.0 é forte, 0.0 significa nenhuma relação). Se você tem apenas uma variável, ela pode dizer o quão fortemente um período de tempo está relacionado com outro. Use a ferramenta Estatísticas descritivas para obter um identificador de coisas como a média eo desvio padrão de seus dados. Entender essas estatísticas básicas é importante para que você saiba o que está acontecendo com suas previsões. Este nome de ferramentas soa sinistro e intimidante, que a ferramenta não é. Quando você tem apenas uma variável algo como a receita de vendas ou a unidade de vendas você olha para um valor real anterior para prever o próximo (talvez o mês anterior, ou o mesmo mês no ano anterior). Tudo o que essa ferramenta faz é ajustar a próxima previsão usando o erro na previsão anterior. Uma média móvel mostra a média dos resultados ao longo do tempo. O primeiro pode ser a média para janeiro, fevereiro e março, o segundo seria então a média para fevereiro, março e abril e assim por diante. Esse método de previsão tende a se concentrar no sinal (o que realmente está acontecendo na linha de base) e a minimizar o ruído (flutuações aleatórias na linha de base). A regressão está intimamente relacionada à correlação. Use esta ferramenta para prever uma variável (como vendas) de outra (como data ou publicidade). Dá-lhe um par de números para usar em uma equação, como vendas 50000 (10 Data). 4 Funções de previsão do Excel O Excel possui muitas ferramentas excelentes para previsão de vendas. Conhecer as seguintes funções é útil para obter seus dados em ordem. Confira as seguintes práticas funções de previsão. A versão de planilha da ferramenta de correlação de suplementos de análise de dados. A diferença é que CORREL recalcula quando os dados de entrada são alterados ea ferramenta de correlação não. Exemplo: CORREL (A1: A50, B1: B50). Além disso, CORREL fornece apenas uma correlação, mas a ferramenta Correlação pode fornecer uma matriz de correlações. Você pode usar essa função em vez da ferramenta de regressão de suplementos de análise de dados. (O nome das funções é uma abreviação de estimativa linear.) Para regressão simples, selecione um intervalo de duas colunas e cinco linhas. Você precisa de array-entrar nesta função. Digite, por exemplo, PROJ. LIN (A1: A50, B1: B50,, TRUE) e, em seguida, pressione CtrlShiftEnter. Esta função é útil, pois oferece valores de previsão diretamente, enquanto o PROJ. LIN fornece uma equação que você deve usar para obter a previsão. Por exemplo, use TREND (A1: A50, B1: B50, B51) onde você está previsão de um novo valor com base no whats em B51. A função FORECAST é semelhante à função TREND. A sintaxe é um pouco diferente. Por exemplo, use PREVISÃO (B51, A1: A50, B1: B50) onde você está previsão de um novo valor com base no valor em B51. Além disso, FORECAST trata apenas um preditor, mas TREND pode lidar com vários preditores. O que você obtém da função Excel LINEST para previsão de vendas A função PROJETO do Excel8217s é uma ferramenta útil para previsão de vendas. Saber o que você pode fazer com ele fará seu esforço de previsão trabalho fácil. Aqui está um rápido resumo da função PROJETO do Excel8217s, linha a linha: Adicione uma tendência ou linha de média móvel a um gráfico Aplica-se a: Excel 2016 Word 2016 PowerPoint 2016 Excel 2013 Word 2013 Outlook 2013 PowerPoint 2013 Mais. Menos Para mostrar tendências de dados ou médias móveis em um gráfico que você criou. Você pode adicionar uma linha de tendência. Você também pode estender uma linha de tendência além de seus dados reais para ajudar a prever valores futuros. Por exemplo, a seguinte linha de tendência linear prevê dois trimestres à frente e mostra claramente uma tendência ascendente que parece promissora para as vendas futuras. Você pode adicionar uma linha de tendência a um gráfico 2-D que não está empilhado, incluindo área, barra, coluna, linha, estoque, dispersão e bolha. Você não pode adicionar uma linha de tendência a um mapa de 3-D, radar, torta, superfície ou donut empilhados. Adicionar uma linha de tendência No gráfico, clique na série de dados à qual pretende adicionar uma linha de tendência ou uma média móvel. A linha de tendência começará no primeiro ponto de dados da série de dados que você escolher. Marque a caixa Trendline. Para escolher um tipo diferente de linha de tendência, clique na seta ao lado de Trendline. E clique em Exponencial. Previsão Linear. Ou média móvel de dois períodos. Para linhas de tendência adicionais, clique em Mais opções. Se escolher Mais opções. Clique na opção desejada no painel Formato da linha de tendência em Opções da linha de tendência. Se você selecionar Polynomial. Digite a potência mais alta para a variável independente na caixa Ordem. Se você selecionar Média Móvel. Digite o número de períodos a serem usados para calcular a média móvel na caixa Período. Dica: Uma linha de tendência é mais precisa quando seu valor R-quadrado (um número de 0 a 1 que revela quão próximos os valores estimados para a linha de tendência correspondem aos seus dados reais) é igual ou próximo de 1. Quando você adiciona uma linha de tendência aos seus dados , O Excel calcula automaticamente o seu valor R-quadrado. Você pode exibir esse valor em seu gráfico, marcando a caixa Mostrar o valor R-quadrado na caixa de gráfico (painel Formato da linha de tendência, Opções da linha de tendência). Você pode aprender mais sobre todas as opções de linha de tendência nas seções abaixo. Linhas de tendência linear Use este tipo de linha de tendência para criar uma linha reta com o melhor ajuste para conjuntos de dados lineares simples. Seus dados são lineares se o padrão em seus pontos de dados se parecer com uma linha. Uma linha de tendência linear geralmente mostra que algo está aumentando ou diminuindo a uma taxa constante. Uma linha de tendência linear usa esta equação para calcular o ajuste de mínimos quadrados para uma linha: onde m é a inclinação eb é a interceptação. A seguinte linha de tendência linear mostra que as vendas de geladeiras têm aumentado consistentemente ao longo de um período de 8 anos. Observe que o valor R-squared (um número de 0 a 1 que revela quão próximos os valores estimados para a linha de tendência correspondem aos dados reais) é 0.9792, que é um bom ajuste da linha aos dados. Mostrando uma linha curva melhor ajustada, esta linha de tendência é útil quando a taxa de alteração nos dados aumenta ou diminui rapidamente e, em seguida, nivela para fora. Uma linha de tendência logarítmica pode usar valores negativos e positivos. Uma linha de tendência logarítmica usa esta equação para calcular o ajuste de mínimos quadrados através de pontos: onde c e b são constantes e ln é a função de logaritmo natural. A seguinte linha de tendência logarítmica mostra o crescimento populacional predito de animais em uma área de espaço fixo, onde a população nivelada como espaço para os animais diminuiu. Observe que o valor R-quadrado é 0.933, que é um ajuste relativamente bom da linha para os dados. Essa linha de tendência é útil quando os dados flutuam. Por exemplo, quando você analisa ganhos e perdas em um grande conjunto de dados. A ordem do polinômio pode ser determinada pelo número de flutuações nos dados ou por quantas curvas (colinas e vales) aparecem na curva. Tipicamente, uma linha de tendência polinomial da Ordem 2 tem apenas uma colina ou vale, uma Ordem 3 tem uma ou duas colinas ou vales, e uma Ordem 4 tem até três colinas ou vales. Uma linha de tendência polinomial ou curvilínea usa esta equação para calcular o ajuste de mínimos quadrados através de pontos: onde b e são constantes. A seguinte linha de tendência polinomial da Ordem 2 (uma colina) mostra a relação entre a velocidade de condução eo consumo de combustível. Observe que o valor R-quadrado é 0,979, que é próximo a 1, portanto, as linhas um bom ajuste para os dados. Mostrando uma linha curva, esta linha de tendência é útil para conjuntos de dados que comparam medidas que aumentam a uma taxa específica. Por exemplo, a aceleração de um carro de corrida em intervalos de 1 segundo. Você não pode criar uma linha de tendência de energia se seus dados contiverem valores zero ou negativos. Uma linha de tendência de energia usa essa equação para calcular o ajuste de mínimos quadrados através de pontos: onde c e b são constantes. Nota: Esta opção não está disponível quando os dados incluem valores negativos ou zero. O gráfico de medição de distância a seguir mostra a distância em metros por segundos. A linha de tendência de energia demonstra claramente a crescente aceleração. Observe que o valor R-quadrado é 0.986, que é um ajuste quase perfeito da linha para os dados. Mostrando uma linha curva, esta linha de tendência é útil quando os valores de dados sobem ou descem em taxas constantemente crescentes. Você não pode criar uma linha de tendência exponencial se seus dados contiverem valores zero ou negativos. Uma linha de tendência exponencial usa esta equação para calcular o ajuste de mínimos quadrados através de pontos: onde c e b são constantes e e é a base do logaritmo natural. A linha de tendência exponencial seguinte mostra a quantidade decrescente de carbono 14 num objecto à medida que envelhece. Observe que o valor R-quadrado é 0,990, o que significa que a linha se encaixa os dados quase perfeitamente. Moving Average trendline Esta linha de tendência evens out flutuações em dados para mostrar um padrão ou tendência mais claramente. Uma média móvel usa um número específico de pontos de dados (definido pela opção Período), os calcula em média e usa o valor médio como um ponto na linha. Por exemplo, se Período é definido como 2, a média dos dois primeiros pontos de dados é usada como o primeiro ponto na linha de tendência de média móvel. A média do segundo e terceiro pontos de dados é usada como o segundo ponto da linha de tendência, etc. Uma linha de tendência de média móvel usa esta equação: O número de pontos em uma linha de tendência de média móvel é igual ao número total de pontos na série, Número que você especificar para o período. Em um gráfico de dispersão, a linha de tendência é baseada na ordem dos valores x no gráfico. Para obter um resultado melhor, classifique os valores x antes de adicionar uma média móvel. A seguinte linha de tendência de média móvel mostra um padrão no número de casas vendidas ao longo de um período de 26 semanas.
Comments
Post a Comment