Aktsiate hinna prognoosimine väärtpaberiturul Excelis. Liikuv keskmine mudel

Raseduse tunnused pärast embrüo siirdamist

Ma kordan. Rahvahulga käitumine on inerts. See tähendab, et tõenäosus, et rahvahulk käitub homme samamoodi nagu eile ja üleeile, on palju suurem kui tujumuutuse tõenäosus.

Rahvahulga käitumise jälgimiseks turul on olemas iidne MACD indikaator. Selle lühend tähistab libisevat keskmist konvergents-divergentsi või kui vene keeles konvergents-divergents libisevat keskmist (tähendab ajaloolised väärtused aktsiahinnad või muud instrumendid).

MACD histogrammi graafiline tähendus on kinnitada hinnaliikumise trendi (arengusuuna) jätkumist. Jämedalt öeldes muutuvad aktsiad jätkuvalt odavamaks või kallimaks. Hinna liikumise suund määratakse kahe kõrvuti asetseva riba vahena.

MACD histogrammi joonistamiseks kasutame Excelit.

1) Kõigepealt vajame analüüsiks ajaloolisi andmeid. Eelmises artiklis tõin näite, kust selliseid andmeid saab. Järgime seda näidet ja minge maakleri andmete ekspordi lehele:

Olles seadnud nõuded allalaaditavate andmete vormingule, saame faili csv-vormingus andmetega, mida excel mõistab. Samuti saab meile huvipakkuva instrumendi ajaloolisi andmeid alla laadida maakleri ZAO FINAM po veebisaidilt see link.

2) andmed tuleks vormindada punktis kirjeldatud viisil.

Lõpptulemus peaks olema umbes selline:

3) Nüüd loome uus leht Exceli raamatus arvutamiseks ja joonistamiseks tehniline analüüs. Nii et nimetagem seda lehte: "MACD arvutamine". Seejärel kopeerige kuupäeva veerg sellele lehele ja veerg sulgemishinna andmetega . Nagu nii:

4) Nüüd arvutame eksponentsiaalse libiseva keskmise 12-päevase aknaga (EMA 12). EMA 12 arvutatakse järgmise valemiga:

Pange see valem sulgemishinnast paremal asuvasse veergu . Selleks hakkame kirjutama lahtrisse sümboliga “=”, mis annab Exceli protsessorile teada, et sisestatakse valem. Esimese lahtri valem on veidi erinev ülejäänud lahtrite omast, kuna tänane sulgemishind tuleks asendada eilse EMA12-ga. Nagu nii:

Kopeerime saadud valem allolevasse lahtrisse ja redigeerime seda veidi: lahtri B3 väärtuse asemel asenda valemi teises osas väärtus lahtrist C2. C2 – see on eelmise päeva EMA12.

See peaks välja tulema nii:

Nüüd korrutame teises lahtris saadud valemi kogu EMA12 veeru jaoks. Selleks klõpsake üks kord lahtris C3, nii et lahtri ümber ilmuks must rasvane raam, seejärel liigutage kursor musta paksu raami paremasse alumisse nurka, nii et kursor oleks paksu musta risti kujul, ja topeltklõpsake hiire vasakut nuppu, et korrutada kogu veeru valem. Nagu nii:

Nüüd arvutame sarnasel viisil eksponentsiaalse libiseva keskmise aknaga 26 päeva (EMA 26). EMA 26 arvutatakse järgmise valemiga:

Paneme selle valemi arvutatud EMA12 paremal asuvasse veergu. Selleks hakkame kirjutama lahtrisse sümboliga “=”, mis annab Exceli protsessorile teada, et sisestatakse valem. Esimese lahtri valem on pisut erinev ülejäänud lahtrite omast, kuna tänane sulgemishind tuleks asendada eilse EMA26-ga. Nagu nii:

Kopeerime saadud valemi allolevasse lahtrisse ja redigeerime seda veidi: lahtri B3 väärtuse asemel asenda valemi teises osas väärtus lahtrist D2. D2 – see on eelmise päeva EMA26. See peaks välja tulema nii:

Nüüd korrutame teises lahtris saadud valemi kogu EMA26 veeru jaoks. Selleks klõpsake üks kord lahtris D3, nii et lahtri ümber ilmuks must rasvane raam, seejärel liigutage kursor musta paksu raami paremasse alumisse nurka, nii et kursor muutuks paksu musta risti kujul, ja topeltklõpsake hiire vasakut nuppu, et korrutada kogu veeru valem. Nagu nii:

Palju õnne! Oleme tegelenud eksponentsiaalsete keskmiste arvutamisega. Nüüd peaksite saama "kiire" MACD liini. Selleks lahutage EMA12-st EMA26. Paneme selle valemi järgmisse parempoolsesse veergu:

Nüüd peame arvutama "kiire" MACD rea üheksa päeva eksponentsiaalse libiseva keskmise. Saadud rida nimetatakse "signaali" MACD liiniks. Arvutame järgmise valemi järgi:

Samamoodi täidame Excelis arvutusvalemi "kiire" MACD reast paremal asuvas lahtris:

Alumise rea lahtris korrigeerime valemit samamoodi nagu kahekümne kuue päeva ja kaheteistkümne päeva eksponentsiaalsete libisevate keskmiste arvutamisel. Selline peaks valem lahtris F3 välja nägema:

Ja lõpuks saame MACD histogrammi koostamiseks arvutada viimase andmeveeru. Selle veeru väärtused histogrammi koostamiseks on erinevus "kiire" ja "signaal" MACD ridade vahel. Kasutame histogrammi koostamise andmete arvutamiseks viimast valemit:

Analüüsitava instrumendi hinnakõikumiste graafiku kõrval on palju mugavam arvestada MACD histogrammiga. Eelmises artiklis kirjeldasin üksikasjalikult, kuidas sellist graafikut koostada. Instrumendi hinnagraafiku koostamiseks kopeerime valiku vajalikest andmetest eraldi lehele. Midagi sellist:

Lihtsaim viis aktsiagraafiku koostamiseks on siin, sellel lehel. Seejärel peaksite selle kopeerima eraldi lehele, millele asetame MACD histogrammi.

Loome oma diagrammide jaoks eraldi lehe. Kleepige lõikelaualt kopeeritud diagramm ja kohandage seda veidi välimus. Graafikaken venib ja kahaneb pikkuses ja laiuses, sarnaselt Windowsi enda akendele.

Ja klõpsates hiire vasaku nupuga hinnaväärtustega skaalal, saate muuta graafiku joonistustelje andmevormingut. Pärast sellist torkimist tõstetakse vertikaalse (meie puhul) telje väärtuste skaala esile ristkülikukujulise raamiga. Niipea, kui selline raam ilmub, peaksite kontekstimenüü avamiseks vajutama hiire paremat nuppu. Valige kontekstimenüüst hiire vasaku nupuga rida<Формат оси…>, nagu nii:

Graafiku telje parameetrite seadmiseks avanevas dialoogiaknas seadke minimaalne väärtus (80) ja maksimaalne väärtus (160). Need on avanevas dialoogiboksis kaks ülemist rida. Alloleval joonisel on näidatud raadionuppude soovitud asukoht ja vastavatele ridadele sisestatakse väärtused 80 ja 160:

Sisestage hinnagraafiku akna alla tulevase MACD histogrammi aken. Valige peamenüüst vahekaart<<Вставка>> seejärel alammenüüst<<Гистограмма>> ja valige rippmenüüst vasakpoolne ülemine histogrammi ikoon, see ikoon on alloleval ekraanipildil kollaselt esile tõstetud:

Kõige tähtsam on see, et enne teise diagrammi sisestamist ärge unustage esimese diagrammi valikut tühistada. Vastasel juhul võidakse üks graafik asendada teisega ja vajame mõlemat graafikut.

Enne menüü avamist<<Гистограмма>> oleks tore viia kursor lahtri A16 kohale ja vajutada hiire vasakut nuppu. Pärast histogrammi sisestamist peame täpsustama oma veeru MACD histogrammi arvutatud andmetega. Selleks liigutage hiirekursorit histogrammi kohale ja vajutage hiire paremat nuppu, et avada diagrammi haldamise kontekstimenüü. Valige avanevas kontekstimenüüs üksus<Выбрать данные>:


Pärast nupu vajutamist<<Добавить>> eelmises aknas peaksime tippima oma diagrammi nime - "MACD" ja alumisse reale vajutama reast paremal olevat nuppu:

Pärast alumisest reast paremal asuva nupu vajutamist avaneb kitsas aken “Muuda rida”. Seda akent sulgemata liikuge hiirega lehele nimega MACD:

Kui andmeveerg on väljas "Muuda rida" kaetud õhukese punktiirjoonega, klõpsake paremal asuvat nuppu. See avab kahe reaga akna Redigeeri rida. Siin selles aknas saate klõpsata nuppu<> ja minge diagrammi avaldamise aknasse:

Naastes histogrammi koostamise andmevaliku aknas lehele nimega "GRAAFID", vajutame ka nuppu<>:

Saate diagrammi akende suurusega veidi mängida ja saada selgema tulemuse:

Ja siin on samad graafikud, mille on koostanud QUIK kauplemissüsteem. Tundub, et tegime seda teiega?

Hea lugeja! Kui otsustate need graafikud koostada ja miski teile ei sobi, jätke oma küsimus kommentaaridesse ja koos mõtleme selle kindlasti välja ja õpime, kuidas Excelis graafikuid koostada.

Exceli lähtefaile, millest on tehtud ekraanipilte ja milles on graafikud, saab alla laadida aadressilt .

Majandusolukordade praktiline modelleerimine hõlmab prognooside väljatöötamist. Exceli tööriistade abil saate selliseid rakendada tõhusaid viise prognoosimine nagu: eksponentsiaalne silumine, regressioonide loomine, liikuv keskmine. Vaatame lähemalt libiseva keskmise meetodi kasutamist.

Liikuvate keskmiste kasutamine Excelis

Liikuva keskmise meetod on üks aegridade silumise ja prognoosimise empiirilistest meetoditest. Sisuliselt: dünaamikaseeria absoluutväärtused muutuvad keskmiseks aritmeetilised väärtused teatud ajavahemike järel. Intervallide valik toimub libisemismeetodil: esimesed tasemed eemaldatakse järk-järgult, järgnevad lülitatakse sisse. Selle tulemusena saadakse tasandatud dünaamiline väärtuste vahemik, mis võimaldab selgelt jälgida uuritava parameetri muutuste suundumust.

Aegrida on X ja Y väärtuste komplekt, mis on omavahel seotud. Х – ajaintervallid, konstantne muutuja. Y on uuritava nähtuse tunnus (hind nt teatud ajaperioodil toimiv), sõltuv muutuja. Liikuva keskmise abil saate tuvastada Y väärtuse muutuste olemuse ajas ja ennustada seda parameetrit tulevikus. Meetod töötab siis, kui väärtuste dünaamikas on selge trend.

Näiteks peate ennustama novembri müüki. Uurija valib analüüsimiseks eelnevate kuude arvu (optimaalne libiseva keskmise liikmete arv m). Novembri prognoos on eelmise m kuu parameetrite keskmine väärtus.

Ülesanne. Analüüsige ettevõtte 11 kuu tulusid ja tehke prognoos 12. kuuks.

Moodustame silutud aegread libiseva keskmise meetodil funktsiooni AVERAGE abil. Leia silutud aegridade keskmised kõrvalekalded antud aegreast.


Suhtelised kõrvalekalded:

Standardhälbed:


Hälvete arvutamisel tehti sama palju vaatlusi. See on teostamiseks vajalik võrdlev analüüs vead.

Pärast hälvetega tabelite võrdlemist selgus, et Excelis libiseva keskmise meetodil prognoosi tegemiseks ettevõtte tulude muutuste trendi kohta eelistatakse kahe kuu libiseva keskmise mudelit. Sellel on minimaalsed prognoosivead (võrreldes kolme ja nelja kuuga).

12. kuu tulude prognoositav väärtus on 9430 USD.



Analysis ToolPaki lisandmooduli kasutamine

Näiteks võtame sama probleemi.

Vahekaardilt "Andmed" leiame käsu "Andmete analüüs". Avanevas dialoogiboksis valige "Liikuv keskmine":

Täidame. Sisestusintervall on aegrea algväärtused. Intervall on libiseva keskmise arvutamisse kaasatud kuude arv. Kuna kõigepealt ehitame silutud aegrea eelmise kahe kuu andmete põhjal, siis sisestage väljale number 2. Väljundi intervall on tulemuste kuvamise lahtrite vahemik.

Märkides ruudu "Standardvead", lisame tabelisse automaatselt veeru koos statistiline hindamine vead.

Samamoodi leiame kolme kuu libiseva keskmise. Muutub ainult intervall (3) ja väljundvahemik.


Võrreldes standardvigu näeme, et silumiseks ja prognoosimiseks sobib paremini kahe kuu libiseva keskmise mudel. Sellel on väiksemad standardvead. 12. kuu tulude prognoositav väärtus on 9430 USD.

Liikuva keskmise prognoosi tegemine on lihtne ja tõhus. Instrument kajastab täpselt muutusi eelmise perioodi põhiparameetrites. Kuid teadaolevatest andmetest kaugemale minna on võimatu. Seetõttu kasutatakse pikaajaliseks prognoosimiseks muid meetodeid.

Ekstrapoleerimine on meetod teaduslikud uuringud, mis põhineb mineviku ja oleviku trendide, mustrite, seoste jaotusel prognoositava objekti tulevase arenguga. Ekstrapoleerimismeetodid hõlmavad liikuva keskmise meetod, meetod eksponentsiaalne silumine, meetod vähimruudud.

Liikuva keskmise meetod on üks laialt tuntud aegridade silumismeetodeid. Selle meetodi abil on võimalik kõrvaldada juhuslikud kõikumised ja saada põhitegurite mõjule vastavad väärtused.

Liikuvate keskmiste abil silumine põhineb asjaolul, et juhuslikud kõrvalekalded tühistavad keskmistes üksteist. Selle põhjuseks on aegrea algtasemete asendumine keskmisega aritmeetiline väärtus valitud ajavahemiku jooksul. Saadud väärtus viitab valitud ajaintervalli (perioodi) keskele.

Seejärel nihutatakse perioodi ühe vaatluse võrra ja korratakse keskmise arvutamist. Sel juhul võetakse keskmise määramise perioodid kogu aeg samadeks. Seega on igal vaadeldaval juhul keskmine tsentreeritud, st viitab silumisintervalli keskpunktile ja tähistab selle punkti taset.

Liikuvate keskmistega aegridade silumisel kaasatakse arvutustesse kõik seeria tasemed. Mida laiem on silumisvahemik, seda sujuvam on trend. Silutud seeria on esialgsest lühem (n–1) vaatluse võrra, kus n on silumisvahemiku väärtus.

Kell suured väärtused n silutud seeria kõikumine väheneb oluliselt. Samal ajal väheneb märgatavalt vaatluste arv, mis tekitab raskusi.

Silumisintervalli valik sõltub uuringu eesmärkidest. Sel juhul tuleks juhinduda ajaperioodist, mille jooksul tegevus toimub, ja sellest tulenevalt juhuslike tegurite mõju kõrvaldamisest.

Seda meetodit kasutatakse lühiajaliseks prognoosimiseks. Selle töövalem on:

Näide libiseva keskmise meetodi kasutamisest prognoosi koostamiseks

Ülesanne . Regiooni tööpuuduse taset iseloomustavad andmed, %

  • Koostage piirkonna töötuse määra prognoos novembriks, detsembriks, jaanuariks, kasutades meetodeid: liikuv keskmine, eksponentsiaalne silumine, vähimruutud.
  • Arvutage saadud prognooside vead iga meetodi abil.
  • Võrrelge saadud tulemusi, tehke järeldused.

Liikuv keskmine lahendus

Prognoositava väärtuse arvutamiseks libiseva keskmise meetodi abil peate:

1. Määrake silumisvahemiku väärtus, näiteks võrdne 3-ga (n = 3).

2. Arvutage esimese kolme perioodi libisev keskmine
m veebr \u003d (Uyanv + Ufev + U märts) / 3 \u003d (2,99 + 2,66 + 2,63) / 3 = 2,76
Saadud väärtus sisestatakse tabelisse võetud perioodi keskel.
Järgmiseks arvutame m järgmise kolme perioodi kohta veebruar, märts, aprill.
m märts \u003d (Ufev + Umart + Uapr) / 3 \u003d (2,66 + 2,63 + 2,56) / 3 = 2,62
Lisaks arvutame analoogia põhjal iga kolme külgneva perioodi kohta m ja sisestame tulemused tabelisse.

3. Pärast kõigi perioodide libiseva keskmise arvutamist koostame novembri prognoosi järgmise valemi abil:

kus t + 1 on prognoosiperiood; t on prognoosiperioodile eelnev periood (aasta, kuu jne); Уt+1 – prognoositav näitaja; mt-1 - kahe perioodi libisev keskmine enne prognoosi; n on tasandusvahemikus sisalduvate tasemete arv; Ut - uuritava nähtuse tegelik väärtus eelmisel perioodil; Уt-1 on uuritava nähtuse tegelik väärtus kahe prognoosiperioodile eelneva perioodi kohta.

november = 1,57 + 1/3 (1,42 - 1,56) = 1,57 - 0,05 = 1,52
Määrake oktoobri libisev keskmine m.
m = (1,56+1,42+1,52) /3 = 1,5
Teeme prognoosi detsembriks.
detsember = 1,5 + 1/3 (1,52 - 1,42) = 1,53
Määrake novembri libisev keskmine m.
m = (1,42+1,52+1,53) /3 = 1,49
Teeme prognoosi jaanuariks.
jaanuar = 1,49 + 1/3 (1,53 - 1,52) = 1,49
Panime tulemuse tabelisse.

Arvutame keskmise suhteline viga valemi järgi:

ε = 9,01/8 = 1,13% prognoosi täpsus kõrge.

Järgmisena lahendame antud ülesanne meetodid eksponentsiaalne silumine ja vähimruudud . Teeme järeldused.

  1. Arvutama hooajalised tegurid;
  2. Vali keskmise arvutamise periood väärtused;
  3. Arvuta prognoos, st. korrutage keskmine väärtus hooajalise teguriga;
  4. Arvesse võtma täiendavad tegurid mis mõjutavad oluliselt müüki;

Arvutama libiseva keskmise prognoos keskmine väga lihtsalt. Selleks võtame tähendab, näiteks viimase 3 kuu keskmine müük ja korrutada hooajalise teguriga 3 kuuks – ja kuu prognoos on valmis. Sama teeme ka järgmise kuu kohta, ainult eelmine prognoosikuu läheb juba arvestusse.

1. Arvutage prognoosi hooajalisuse koefitsiendid libiseva keskmise meetodil.

Selle jaoks me arvestame kasvuga korrigeeritud hooajalisuse koefitsiendid, nagu on kirjeldatud artiklis "Kuidas arvutada kasvuga korrigeeritud hooajalisuse koefitsiente?" . Seejärel määratleme eelmiste perioodide hooajalisuse koefitsiendid, 1 kuu võrra, 2 kuu võrra, 3 kuu võrra jne. olenevalt perioodist, mille müügi prognoosimiseks võtame keskmise väärtuse. Näiteks arvutame välja hooajalisuse kuukoefitsiendid (vt lisatud faililehte "Koefitsientide arvutamine")

    1 kuu pärast:

    • jaanuari koefitsient - kasvust puhastatud jaanuari hooajalisuse koefitsiendi suhe detsembrisse;

      veebruar - veebruari koefitsient jaanuarini;

      märts - märtsist veebruarini;

    2 kuu pärast:

    • jaanuari kohta - jaanuari hooajalisuse teguri suhe detsembri ja novembri keskmise väärtusega

      veebruar - veebruar jagatakse jaanuari ja detsembri koefitsientide keskmise väärtusega

      märtsist märtsini veebruari ja jaanuari koefitsientide keskmisele

    3 kuu pärast:

    • jaanuari hooajalisuse koefitsiendi määramiseks 3 kuuga jagame kasvust puhastatud jaanuari hooajalisuse koefitsiendi kasvust puhastatud hooajalisuse koefitsientide keskmise väärtusega detsembriks, novembriks, oktoobriks;

      veebruari kohta - veebruari koefitsient jagatakse novembri, detsembri ja jaanuari koefitsientide keskmise väärtusega;

      Märtsi kohta - märtsi suhe hooajalisuse koefitsientide keskmise väärtusega, mis on kasvust vabastatud detsembris, jaanuaris ja veebruaris;

Eelmiste perioodide hooajalisuse koefitsiendid oleme välja arvutanud, nüüd teeme kindlaks millise perioodi kohta on täpsema prognoosi jaoks parem võtta keskmine väärtus.Samuti saate programmi Forecast4AC abil lihtsalt ja kiiresti arvutada hooajalisuse koefitsiente - usaldusväärne abiline prognoosimise kõigil etappidel.

2. Valige libiseva keskmise meetodi abil prognoosi keskmise väärtuse arvutamise periood.

Selleks koostame prognoosi viimase ja eelviimase perioodi kohta, mille andmed on meile teada, kolmel või enamal viisil sobiva keskmise arvutusperioodi määramiseks(Vaata lisatud faililehte "Perioodi valik"). Ja vaatame, milline võimalustest annab täpsema prognoosi:

  1. Arvutame müügiprognoosi libiseva keskmise meetodil 1. kuuks:

Detsember \u003d Novembri müügimaht korrutatuna detsembri hooajalisuse teguriga eelmise kuuga.

  1. Arvutage müügiprognoos 2 kuu libiseva keskmise meetodil:

Detsember \u003d keskmine müük oktoobris ja novembris, korrutage detsembri hooajalisuse teguriga 2 kuuga.

  1. Prognoosi arvutame libiseva keskmise meetodil 3 kuu kohta:

Detsember \u003d keskmine müük septembris, oktoobris ja novembris, korrutage detsembri hooajalisuse teguriga 3 kuuga.

Nüüd oleme detsembri prognoosi kolmel viisil arvutanud. Teeme sama ka novembriks.

Nüüd võrrelda tegelikke väärtusi novembriks ja detsembriks ennustav arvutatakse kolmel viisil. Näeme seda oma näites kõige täpsem prognoos arvutatakse libiseva keskmise meetodil 2 kuu kaupa Võtame selle aluseks. Teie puhul võib täpsem prognoos olla eelmise perioodi, 3 eelmise või 4 eelmise perioodi kohta.

3. Arvutage müügiprognoos libiseva keskmise meetodil.

Sest valisime prognoosi eelmise 2 kuu keskmise põhjal, siis jaanuari prognoosiks meie novembri ja detsembri keskmine müük korrutab jaanuari hooajalisuse teguri 2 kuuga.

Veebruari prognoosi jaoks jaanuari ja detsembri keskmise müügi korrutame veebruari hooajalisuse teguriga.

Seda loogikat järgides pikendame prognoosi arvutamist aasta lõpuni. Aasta müügiprognoos on valmis.

4. Täiendavad tegurid, mida müügiprognoosi arvutamisel arvestada.

Prognoosi täpsuse parandamiseks on oluline:

  1. Lahutage tegurid möödunud perioodidest, mis märkimisväärne mõju müügile, kuid prognoosikuudel seda ei korrata(müügikampaaniad, suur juhukliendi ühekordne saadetis, suurest jaeketist väljaastumine jne).
  2. Lisage prognoosikuudele tegurid mis mõjutavad oluliselt müüki - töö alustamine suurte võrgustikega, suurte müügikampaaniate läbiviimine, uute toodete turuletoomine, reklaamikampaaniad jne.

Täpsed ennustused teile!

Forecast4AC PRO arvutab prognoosi libiseva keskmise meetodil samaaegselt rohkem kui 1000 aegrea jaoksühe nupuvajutusega oluliselt säästes teie aega üks neljast viisist:

    Kahe eelmise perioodi keskmisele

    Eelmise kolme perioodi keskmisele

    Eelmise 4 perioodi keskmisele

    Kahekordne keskmine 3 ja 4 eelmise perioodi kohta

Liitu meiega!

Lae alla tasuta rakendused prognoosimiseks ja ärianalüüsiks:

  • Novo Forecast Lite- automaatne prognoosi arvutamine sisse excel.
  • 4analytics- ABC-XYZ analüüs ja heitkoguste analüüsi excel.
  • Qlik Sense Töölaud ja Qlik ViewPersonal Edition – BI-süsteemid andmete analüüsiks ja visualiseerimiseks.

Testige tasuliste lahenduste funktsioone:

  • Novo Forecast PRO- prognoosimine Excelis suurte andmemassiivide jaoks.

Liikuva keskmise meetod on statistiline tööriist, mida saab kasutada lahendamiseks mitmesugusedülesandeid. Eelkõige kasutatakse seda üsna sageli prognoosimisel. Excelis saate seda tööriista kasutada ka mitmete probleemide lahendamiseks. Saame aru, kuidas Excelis libisevat keskmist kasutatakse.

Selle meetodi tähendus on see, et see muudab valitud seeria absoluutsed dünaamilised väärtused teatud perioodi aritmeetilisteks keskmisteks, siludes andmeid. Seda tööriista kasutatakse majandusarvutusteks, prognoosimiseks, börsil kauplemisel jne. Parim viis libiseva keskmise meetodi rakendamiseks Excelis on võimsa statistilise andmetöötlustööriista nn Analüüsi pakett. Samal eesmärgil saate kasutada ka sisseehitatud Exceli funktsiooni. KESKMINE.

1. meetod: analüüsipakett

Analüüsi pakett on Exceli lisandmoodul, mis on vaikimisi keelatud. Seetõttu peate selle kõigepealt lubama.


Pärast seda sammu pakend "Andmete analüüs" aktiveeritud ja vastav nupp ilmus vahekaardi lindile "Andmed".

Ja nüüd vaatame, kuidas saate paketi funktsioone otse kasutada Andmete analüüs kasutada libiseva keskmise meetodit. Teeme kaheteistkümnenda kuu prognoosi ettevõtte 11 eelneva perioodi tulude info põhjal. Selleks kasutame andmetega täidetud tabelit ja tööriistu Analüüsi pakett.

  1. Mine vahekaardile "Andmed" ja klõpsake nuppu "Andmete analüüs", mis asub plokis tööriistade lindil "Analüüs".

  2. Aadressil saadaolevate tööriistade loend Analüüsi pakett. Valige nende hulgast nimi "Liikuv keskmine" ja klõpsake nuppu Okei.

  3. Käivitub libiseva keskmise prognoosimise andmesisestusaken.

    Põllul "Sisestusintervall" märkige vahemiku aadress, kus asub igakuine tulusumma, ilma lahtrita, milles andmeid tuleks arvutada.

    Põllul "Intervall" määrake väärtuste töötlemise intervall tasandusmeetodil. Alustuseks määrame silumisväärtuseks kolm kuud ja sisestame seetõttu numbri "3".

    Põllul "Väljumise intervall" peate lehel määrama suvalise tühja vahemiku, kus andmed pärast töötlemist kuvatakse, mis peaks olema ühe lahtri võrra suurem kui sisestusintervall.

    Samuti peaksite märkima kõrval oleva kasti "Standardvead".

    Vajadusel saate märkida ka kõrvaloleva kasti "Graafiku väljund" visuaalseks demonstreerimiseks, kuigi meie puhul pole see vajalik.

    Pärast kõigi seadistuste tegemist klõpsake nuppu Okei.

  4. Programm kuvab töötlemise tulemuse.

  5. Nüüd teeme silumise kahe kuu jooksul, et teada saada, milline tulemus on õigem. Nendel eesmärkidel käivitame tööriista uuesti "Liikuv keskmine" Analüüsi pakett.

    Põllul "Sisestusintervall" jätame samad väärtused nagu eelmisel juhul.

    Põllul "Intervall" pane number "2".

    Põllul "Väljumise intervall" määrake uue tühja vahemiku aadress, mis jällegi peaks olema sisestusintervallist ühe lahtri võrra suurem.

    Ülejäänud seaded jäetakse samaks. Pärast seda klõpsake nuppu Okei.

  6. Pärast seda programm arvutab ja kuvab tulemuse ekraanil. Selleks, et teha kindlaks, kumb kahest mudelist on täpsem, peame võrdlema standardvigu. Vähem see näitaja, seda suurem on saadud tulemuse täpsuse tõenäosus. Nagu näete, on kõigi väärtuste puhul kahe kuu libiseva keskmise arvutamise standardviga väiksem kui 3 kuu sama näitaja. Seega võib detsembri prognoositud väärtuseks lugeda viimase perioodi libisemismeetodil arvutatud väärtust. Meie puhul on see väärtus 990,4 tuhat rubla.

2. meetod: kasutage funktsiooni AVERAGE

Excelis on libiseva keskmise meetodi rakendamiseks veel üks võimalus. Selle kasutamiseks peate taotlema terve rida programmi standardfunktsioonid, mille põhifunktsioon meie jaoks on KESKMINE. Näiteks kasutame sama ettevõtte tulude tabelit, mis esimesel juhul.

Nagu eelmisel korral, peame looma silutud aegrea. Kuid seekord ei ole toimingud nii automatiseeritud. Tulemuste võrdlemiseks tuleks arvutada iga kahe ja seejärel kolme kuu keskmine väärtus.

Kõigepealt arvutame funktsiooni abil kahe eelmise perioodi keskmised väärtused KESKMINE. Seda saame teha alles alates märtsist, kuna hilisemateks kuupäevadeks on väärtuste paus.

  1. Valige märtsikuu real tühjast veerust lahter. Järgmisena klõpsake ikooni "Sisesta funktsioon", mis asub valemiriba lähedal.

  2. Aken on aktiveeritud Funktsioonide viisardid. Kategooria "Statistiline" tähendust otsima "KESKMINE", valige see ja klõpsake nuppu Okei.

  3. Käivitub operaatori argumentide aken KESKMINE. Selle süntaks on järgmine:

    KESKMINE(arv1, arv2,…)

    Vaja on ainult ühte argumenti.

    Meie puhul põllul "Number1" tuleb viidata vahemikule, kus on märgitud kahe eelneva perioodi (jaanuar ja veebruar) tulud. Asetame kursori väljale ja valime veerus oleva lehel vastavad lahtrid "Sissetulek". Pärast seda klõpsake nuppu Okei.

  4. Nagu näete, kuvati lahtris kahe eelmise perioodi keskmise väärtuse arvutamise tulemus. Sarnaste arvutuste tegemiseks perioodi kõigi teiste kuude puhul peame selle valemi kopeerima teistesse lahtritesse. Selleks muutume funktsiooni sisaldava lahtri alumises paremas nurgas kursoriks. Kursor teisendatakse täitepidemeks, mis näeb välja nagu rist. Hoidke hiire vasakut nuppu all ja lohistage see veeru päris lõppu.

  5. Saame kahe eelneva kuu keskmise väärtuse tulemuste arvestuse kuni aasta lõpuni.

  6. Nüüd valige aprillikuu rea järgmises tühjas veerus olev lahter. Funktsiooni argumentide akna kutsumine KESKMINE samamoodi nagu varem kirjeldatud. Põllul "Number1" sisestage veergu lahtrite koordinaadid "Sissetulek" jaanuarist märtsini. Seejärel klõpsake nuppu Okei.

  7. Täitepideme abil kopeerige valem allolevatesse tabeli lahtritesse.

  8. Niisiis, arvutasime väärtused. Nüüd, nagu ka eelmisel korral, peame välja selgitama, milline analüüs on parem: 2- või 3-kuulise silumisega. Selleks arvutage standardhälve ja mõned muud näitajad. Esiteks arvutame standardi abil absoluutse hälbe Exceli funktsioon ABS, mis positiivsete või negatiivsete arvude asemel tagastab nende mooduli. See väärtus võrdub valitud kuu tegeliku tulu ja prognoositava tulu vahega. Seadsime kursori maikuu rea järgmisele tühjale veerule. Helistamine Funktsiooniviisard.

  9. Kategooria "Matemaatika" tõsta esile funktsiooni nimi ABS. Klõpsake nuppu Okei.

  10. Käivitatakse funktsiooni argumentide aken ABS. Ainsal väljal "Arv" määrake veergude lahtrite sisu erinevus "Sissetulek" ja "2 kuud" maiks. Seejärel klõpsake nuppu Okei.

  11. Täitemarkeri abil kopeerige see valem kõikidele tabeli ridadele kuni novembrini (kaasa arvatud).

  12. Arvutame meile juba tuttava funktsiooni abil absoluuthälbe keskmise väärtuse kogu perioodi kohta KESKMINE.

  13. Sarnase protseduuri teostame 3 kuu libiseva keskmise absoluuthälbe arvutamiseks. Kõigepealt rakendame funktsiooni ABS. Ainult seekord arvestame tegeliku sissetulekuga lahtrite sisu ja planeeritava sisu vahet, mis on arvutatud libiseva keskmise meetodil 3 kuu kohta.

  14. Järgmisena arvutame funktsiooni abil kõigi absoluuthälvete andmete keskmise väärtuse KESKMINE.

  15. Järgmine samm on suhtelise hälbe arvutamine. See on võrdne absoluuthälbe ja tegeliku näitaja suhtega. Negatiivsete väärtuste vältimiseks kasutame taas operaatori pakutavaid võimalusi ABS. Seekord jagame selle funktsiooni abil absoluuthälbe väärtuse 2 kuu libiseva keskmise meetodil valitud kuu tegeliku sissetulekuga.

  16. Kuid suhteline hälve kuvatakse tavaliselt protsentides. Seetõttu valige lehel sobiv vahemik, minge vahekaardile "Kodu", kus tööriistakastis "Arv" määrake spetsiaalsel vorminguväljal protsentuaalne vorming. Seejärel kuvatakse suhtelise hälbe arvutamise tulemus protsentides.

  17. Sarnase toimingu teostame andmetega suhtelise hälbe arvutamiseks, kasutades silumist 3 kuu jooksul. Ainult sel juhul kasutame arvutamiseks dividendina teist tabeli veergu, mille nimi on meil "Kõhulihased. välja (3m)". Seejärel tõlgime arvväärtused protsentides.

  18. Pärast seda arvutame mõlema veeru keskmised väärtused suhtelise hälbega, nagu enne selle funktsiooni kasutamist KESKMINE. Kuna arvutamisel võtame funktsiooni argumentidena protsendiväärtused, pole vaja täiendavat teisendust teha. Väljundoperaator annab tulemuse juba protsendivormingus.

  19. Nüüd jõuame keskmise arvutamiseni standardhälve. See indikaator võimaldab meil kahe ja kolme kuu silumise kasutamisel arvutuse kvaliteeti otseselt võrrelda. Meie puhul on standardhälve võrdne tegeliku tulu ja libiseva keskmise ruudu erinevuste summa ruutjuurega, mis on jagatud kuude arvuga. Programmis arvutuste tegemiseks peame kasutama eelkõige mitmeid funktsioone JUUR, SUMMQVARIAN ja KONTROLLIMA. Näiteks standardhälbe arvutamiseks tasandusjoone kasutamisel mais kahe kuu jooksul, rakendatakse meie puhul järgmist valemit:

    SQRT(SUMDIFF(B6:B12,C6:C12)/LOEND(B6:B12))

    Kopeerime selle veeru teistesse lahtritesse koos standardhälbe arvutamisega täitemarkeri abil.

  20. Sarnane tehing standardhälbe arvutamiseks tehakse libiseva keskmise jaoks 3 kuu jooksul.

  21. Pärast seda arvutame funktsiooni rakendamisel mõlema näitaja kogu perioodi keskmise väärtuse KESKMINE.

  22. Võrreldes libiseva keskmise meetodil tehtud arvutusi silumisega 2 ja 3 kuu jooksul selliste näitajate puhul nagu absoluuthälve, suhteline hälve ja standardhälve, võib julgelt väita, et kahekuuline silumine annab usaldusväärsema tulemuse kui kolmekuuline silumine. Sellest annab tunnistust asjaolu, et ülaltoodud näitajad kahe kuu libiseva keskmise kohta on väiksemad kui kolme kuu kohta.

  23. Seega on ettevõtte detsembri tulude prognoositav näitaja 990,4 tuhat rubla. Nagu näete, langeb see väärtus täielikult kokku väärtusega, mille saime tööriistade abil arvutades Analüüsi pakett.

Prognoosi arvutasime libiseva keskmise meetodil kahel viisil. Nagu näeme, seda protseduuri tööriistadega palju lihtsam teostada Analüüsi pakett. Kuid mõned kasutajad ei usalda alati automaatset arvutust ja eelistavad kasutada seda funktsiooni arvutuste tegemiseks. KESKMINE ja seotud operaatorid, et kontrollida kõige usaldusväärsemat valikut. Kuigi kui kõik on õigesti tehtud, peaks arvutuste tulemus osutuma täiesti samaks.

Seotud väljaanded