3 Month Moving Average Forecast Excel

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 an den tatsächlichen Datenpunkten. Erstellen einer einfachen Bewegung Dies ist einer der folgenden drei Artikel zur Zeitreihenanalyse in Excel Überblick über den gleitenden Durchschnitt Der gleitende Durchschnitt ist eine statistische Technik, die verwendet wird, um zu glätten Um kurzfristige Fluktuationen in einer Reihe von Daten auszugleichen, um längerfristige Trends oder Zyklen leichter zu erkennen. Der gleitende Durchschnitt wird manchmal als ein rollender Durchschnitt oder ein laufender Durchschnitt bezeichnet. Ein gleitender Durchschnitt ist eine Reihe von Zahlen, die jeweils den Durchschnitt eines Intervalls einer bestimmten Anzahl von vorherigen Perioden darstellen. Je größer das Intervall, desto mehr Glättung erfolgt. Je kleiner das Intervall, desto mehr gleicht der gleitende Durchschnitt den tatsächlichen Datenreihen. Gleitende Mittelwerte führen die folgenden drei Funktionen aus: Glättung der Daten, was bedeutet, die Anpassung der Daten an eine Zeile zu verbessern. Verringerung der Wirkung von temporären Variation und zufälligen Rauschen. Hervorhebung von Ausreißern über oder unter dem Trend. Der gleitende Durchschnitt ist eine der am häufigsten verwendeten statistischen Techniken in der Industrie, um Daten-Trends zu identifizieren. Beispielsweise sehen Verkaufsmanager häufig dreimonatige Bewegungsdurchschnitte von Verkaufsdaten. Der Artikel wird einen zweimonatigen, dreimonatigen und sechsmonatigen einfachen gleitenden Durchschnitt der gleichen Verkaufsdaten vergleichen. Der gleitende Durchschnitt wird sehr häufig in der technischen Analyse von Finanzdaten wie Aktienrenditen und in der Volkswirtschaft verwendet, um Tendenzen in makroökonomischen Zeitreihen wie Beschäftigung zu lokalisieren. Es gibt eine Anzahl von Variationen des gleitenden Durchschnitts. Die am häufigsten verwendeten sind der einfache gleitende Durchschnitt, der gewichtete gleitende Durchschnitt und der exponentielle gleitende Durchschnitt. Die Durchführung jeder dieser Techniken in Excel wird im Detail in separaten Artikeln in diesem Blog behandelt werden. Hier ist ein kurzer Überblick über jede dieser drei Techniken. Simple Moving Average Jeder Punkt in einem einfachen gleitenden Durchschnitt ist der Durchschnitt einer bestimmten Anzahl von vorherigen Perioden. Dieser Blog-Artikel liefert eine ausführliche Erläuterung der Implementierung dieser Technik in Excel. Die gewichteten gleitenden Durchschnittspunkte im gewichteten gleitenden Durchschnitt repräsentieren ebenfalls den Durchschnitt einer vorgegebenen Anzahl vorheriger Perioden. Der gewichtete gleitende Durchschnitt bezieht sich auf eine unterschiedliche Gewichtung auf bestimmte vorhergehende Perioden, ganz oft werden die jüngeren Perioden größeres Gewicht gegeben. Ein Link zu einem anderen Artikel in diesem Blog, der eine detaillierte Erläuterung der Implementierung dieser Technik in Excel bereitstellt, ist wie folgt: Exponential Moving Average Punkte im exponentiellen gleitenden Durchschnitt repräsentieren ebenfalls einen Durchschnitt einer bestimmten Anzahl von vorherigen Perioden. Exponentielle Glättung setzt Gewichtungsfaktoren auf frühere Perioden, die exponentiell abnehmen und niemals Null erreichen. Als Ergebnis berücksichtigt die exponentielle Glättung alle vorherigen Perioden anstelle einer bestimmten Anzahl früherer Perioden, die der gewichtete gleitende Durchschnitt aufweist. Ein Link zu einem anderen Artikel in diesem Blog, der eine detaillierte Erläuterung der Implementierung dieser Technik in Excel bereitstellt, ist wie folgt: Im folgenden wird der 3-stufige Prozess zum Erstellen eines einfachen gleitenden Durchschnitts von Zeitreihendaten in Excel beschrieben Die ursprünglichen Daten in einem Zeitreihen-Diagramm Das Liniendiagramm ist das am häufigsten verwendete Excel-Diagramm, um Zeitreihendaten zu grafisch darstellen. Ein Beispiel für ein solches Excel-Diagramm, das verwendet wird, um 13 Perioden von Verkaufsdaten zu plotten, wird wie folgt gezeigt: Schritt 2 8211 Erstellen des gleitenden Mittelwertes in Excel Excel bietet das Werkzeug "Gleitender Durchschnitt" im Menü Datenanalyse. Das Tool Moving Average erzeugt einen einfachen gleitenden Durchschnitt aus einer Datenreihe. Das Dialogfeld "Gleitender Durchschnitt" sollte wie folgt ausgefüllt werden, um für jeden Datenpunkt einen gleitenden Durchschnitt der vorhergehenden 2 Datenperioden zu erzeugen. Die Ausgabe des 2-Perioden-Bewegungsdurchschnitts wird zusammen mit den Formeln, die verwendet wurden, um den Wert jedes Punktes im gleitenden Durchschnitt zu berechnen, wie folgt gezeigt. Schritt 3 8211 Die verschiebende durchschnittliche Serie zum Diagramm hinzufügen Diese Daten sollten nun dem Diagramm hinzugefügt werden, das die ursprüngliche Zeitlinie der Verkaufsdaten enthält. Die Daten werden einfach als eine weitere Datenreihe in das Diagramm aufgenommen. Um dies zu tun, klicken Sie mit der rechten Maustaste irgendwo auf dem Diagramm und ein Menü wird Pop-up. Hit Select Data, um die neue Datenreihe hinzuzufügen. Die gleitende mittlere Reihe wird hinzugefügt, indem das Dialogfeld Edit-Serie wie folgt ergänzt wird: Das Diagramm, das die ursprüngliche Datenreihe enthält, und das 2-Intervall-einfacher gleitender Durchschnitt wird wie folgt gezeigt. Beachten Sie, dass die gleitende mittlere Linie ein wenig glatter ist und die Rohdatenwerte über und unter der Trendlinie deutlich sichtbarer sind. Auch der Gesamttrend ist deutlich sichtbarer. Ein gleitender 3-Intervall-Durchschnitt kann mit dem gleichen Verfahren wie folgt erstellt und auf dem Diagramm platziert werden: Es ist interessant zu bemerken, dass der einfache gleitende 2-Intervall-Durchschnitt einen glatteren Graphen als den einfachen gleitenden Durchschnitt von 3 Intervallen erzeugt. In diesem Fall kann der 2-Intervall-einfache gleitende Durchschnitt um so wünschenswerter sein als der 3-Intervall-gleitende Durchschnitt. Zum Vergleich wird ein einfacher 6-Intervall-Durchschnitt berechnet und dem Diagramm in der gleichen Weise wie folgt hinzugefügt: Wie erwartet, ist der 6-Intervall-einfacher gleitender Durchschnitt signifikant glatter als die einfachen 2- oder 3-Intervall-Durchschnittswerte. Ein glatterer Graph paßt genau auf eine gerade Linie. Analysieren der Prognosegenauigkeit Die Genauigkeit kann als Güte der Anpassung beschrieben werden. Die beiden Komponenten der Prognosegenauigkeit sind die folgenden: Prognosevorhersage 8211 Die Tendenz einer Prognose, konsequent höher oder niedriger als tatsächliche Werte einer Zeitreihe zu sein. Die Prognosevorspannung ist die Summe aller Fehler, geteilt durch die Anzahl der Perioden, wie folgt: Eine positive Bias gibt eine Tendenz zur Unterprognose an. Eine negative Vorspannung gibt eine Tendenz zur Überprognose an. Bias misst nicht die Genauigkeit, da positiver und negativer Fehler sich gegenseitig aufheben. Prognosefehler 8211 Die Differenz zwischen Istwerten einer Zeitreihe und den prognostizierten Werten der Prognose. Die gebräuchlichsten Maßnahmen des Prognosefehlers sind die folgenden: MAD 8211 Mean Absolute Deviation MAD berechnet den durchschnittlichen Absolutwert des Fehlers und wird mit folgender Formel berechnet: Die Mittelung der Absolutwerte der Fehler eliminiert den Abbruch von positiven und negativen Fehlern. Je kleiner der MAD, desto besser ist das Modell. MSE 8211 Mean Squared Error MSE ist ein beliebtes Maß für den Fehler, der die Abbruchwirkung von positiven und negativen Fehlern beseitigt, indem die Quadrate des Fehlers mit folgender Formel summiert werden: Große Fehlerterme tendieren dazu, MSE zu übertreiben, da die Fehlerterme alle quadriert sind. RMSE (Root Square Mean) reduziert dieses Problem, indem es die Quadratwurzel von MSE nimmt. MAPE 8211 Mittlerer absoluter Prozentfehler MAPE eliminiert auch den Abbrechen von positiven und negativen Fehlern durch Summieren der Absolutwerte der Fehlerterme. MAPE berechnet die Summe der prozentualen Fehlerterme mit der folgenden Formel: Durch Summieren von prozentualen Fehlertermen kann MAPE verwendet werden, um Prognosemodelle, die unterschiedliche Maßstäbe verwenden, zu vergleichen. Berechnen von Bias, MAD, MSE, RMSE und MAPE in Excel Für die Simple Moving Average Bias werden MAD, MSE, RMSE und MAPE in Excel berechnet, um das 2-Intervall-, 3-Intervall - und 6-Intervall-einfache Bewegen zu evaluieren Durchschnittliche Prognose in diesem Artikel erhalten und wie folgt dargestellt: Der erste Schritt ist die Berechnung von E t. E t, E t / Y t-act. Und können dann wie folgt berechnet werden: Bias, MAD, MSE, MAPE und RMSE können wie folgt berechnet werden: Die gleichen Berechnungen werden nun durchgeführt, um Bias, MAD, MSE, MAPE und RMSE für den einfachen gleitenden Durchschnitt von 3 Intervallen zu berechnen. Die gleichen Berechnungen werden nun durchgeführt, um Bias, MAD, MSE, MAPE und RMSE für den 6-Intervall-einfachen gleitenden Durchschnitt zu berechnen. Bias, MAD, MSE, MAPE und RMSE sind für die 2-Intervall-, 3-Intervall - und 6-Intervall-einfachen Bewegungsdurchschnitte wie folgt zusammengefasst. Das 3-Intervall einfach gleitenden Durchschnitt ist das Modell, das am ehesten passt, dass tatsächliche Daten. 160 Excel Master Series Blog Verzeichnis Statistische Themen und Artikel in jedem TopicMoving Durchschnittliche Prognose Einführung. Wie Sie vermutlich schauen, betrachten wir einige der primitivsten Ansätze zur Prognose. Aber hoffentlich sind diese zumindest eine lohnende Einführung in einige der Rechenprobleme im Zusammenhang mit der Umsetzung von Prognosen in Tabellenkalkulationen. In diesem Sinne werden wir von Anfang an beginnen und beginnen mit Moving Average Prognosen zu arbeiten. Gleitende durchschnittliche Prognosen. Jeder ist vertraut mit gleitenden durchschnittlichen Prognosen, unabhängig davon, ob sie glauben, sie sind. Alle Studenten tun sie die ganze Zeit. Denken Sie an Ihre Testergebnisse in einem Kurs, in dem Sie vier Tests während des Semesters haben werden. Angenommen, Sie haben eine 85 auf Ihrem ersten Test. Was würden Sie vorhersagen, für Ihre zweite Test-Score Was glauben Sie, Ihr Lehrer würde für Ihre nächste Test-Punkt vorhersagen Was denken Sie, Ihre Freunde könnten für Ihre nächste Test-Punkt vorherzusagen Was denken Sie, Ihre Eltern könnten für Ihre nächste Test-Score Unabhängig davon vorhersagen Alle die blabbing Sie tun könnten, um Ihre Freunde und Eltern, sie und Ihr Lehrer sind sehr wahrscheinlich zu erwarten, dass Sie etwas in den Bereich der 85 erhalten Sie gerade bekommen. Nun, jetzt gehen wir davon aus, dass trotz Ihrer Selbst-Förderung an Ihre Freunde, Sie über-schätzen Sie sich und Figur, die Sie weniger für den zweiten Test lernen können und so erhalten Sie eine 73. Nun, was sind alle betroffenen und unbekümmerten gehen Erwarten Sie erhalten auf Ihrem dritten Test Es gibt zwei sehr wahrscheinlich Ansätze, damit sie eine Schätzung unabhängig davon entwickeln, ob sie sie mit Ihnen teilen. Sie können zu sich selbst sagen, dieser Kerl ist immer bläst Rauch über seine smarts. Hes gehend, ein anderes 73 zu erhalten, wenn hes glücklich. Vielleicht werden die Eltern versuchen, mehr unterstützend und sagen, quotWell, so weit youve bekommen eine 85 und eine 73, so dass Sie vielleicht auf eine über (85 73) / 2 79. Ich weiß nicht, vielleicht, wenn Sie weniger haben Partying und werent wedelte das Wiesel ganz über dem Platz und wenn Sie anfingen, viel mehr zu studieren, konnten Sie einen höheren score. quot erhalten. Beide dieser Schätzungen sind wirklich gleitende durchschnittliche Prognosen. Der erste verwendet nur Ihre jüngste Punktzahl, um Ihre zukünftige Leistung zu prognostizieren. Dies wird als gleitende Durchschnittsprognose mit einer Datenperiode bezeichnet. Die zweite ist auch eine gleitende durchschnittliche Prognose, aber mit zwei Perioden von Daten. Nehmen wir an, dass alle diese Leute, die auf deinem großen Verstand zerschmettern, Art von dich angepisst haben und du entscheidest, auf dem dritten Test aus deinen eigenen Gründen gut zu tun und eine höhere Kerbe vor deinen quotalliesquot zu setzen. Sie nehmen den Test und Ihre Gäste ist eigentlich ein 89 Jeder, einschließlich selbst, ist beeindruckt. So jetzt haben Sie die abschließende Prüfung des Semesters herauf und wie üblich spüren Sie die Notwendigkeit, alle in die Vorhersagen zu machen, wie youll auf dem letzten Test tun. Nun, hoffentlich sehen Sie das Muster. Nun, hoffentlich können Sie das Muster sehen. Was glauben Sie, ist die genaueste Pfeife, während wir arbeiten. Jetzt kehren wir zu unserer neuen Reinigungsfirma zurück, die von Ihrer entfremdeten Halbschwester namens Whistle While We Work begonnen wurde. Sie haben einige vergangene Verkaufsdaten, die durch den folgenden Abschnitt aus einer Kalkulationstabelle dargestellt werden. Zuerst präsentieren wir die Daten für eine dreidimensionale gleitende Durchschnittsprognose. Der Eintrag für Zelle C6 sollte jetzt sein Sie können diese Zellformel auf die anderen Zellen C7 bis C11 kopieren. Beachten Sie, wie der Durchschnitt bewegt sich über die jüngsten historischen Daten, sondern verwendet genau die drei letzten Perioden zur Verfügung für jede Vorhersage. Sie sollten auch bemerken, dass wir nicht wirklich brauchen, um die Vorhersagen für die vergangenen Perioden zu machen, um unsere jüngste Vorhersage zu entwickeln. Dies ist definitiv anders als das exponentielle Glättungsmodell. Ive eingeschlossen das quotpast predictionsquot, weil wir sie auf der folgenden Webseite verwenden, um Vorhersagegültigkeit zu messen. Nun möchte ich die analogen Ergebnisse für eine zwei-Periode gleitenden Durchschnitt Prognose zu präsentieren. Der Eintrag für Zelle C5 sollte jetzt sein Sie können diese Zellformel auf die anderen Zellen C6 bis C11 kopieren. Beachten Sie, wie jetzt nur die beiden letzten Stücke der historischen Daten für jede Vorhersage verwendet werden. Auch hier habe ich die quotpast Vorhersagequot für illustrative Zwecke und für die spätere Verwendung in der Prognose Validierung enthalten. Einige andere Dinge, die wichtig zu beachten sind. Für eine m-Periode gleitende Durchschnittsprognose werden nur die m neuesten Datenwerte verwendet, um die Vorhersage durchzuführen. Nichts anderes ist notwendig. Für eine m-Periode gleitende durchschnittliche Prognose, wenn Sie Quotpast Vorhersagequot, beachten Sie, dass die erste Vorhersage tritt im Zeitraum m 1 auf. Diese beiden Fragen werden sehr wichtig sein, wenn wir unseren Code entwickeln. Entwicklung der Moving Average Funktion. Nun müssen wir den Code für die gleitende Durchschnittsprognose entwickeln, die flexibler genutzt werden kann. Der Code folgt. Beachten Sie, dass die Eingaben für die Anzahl der Perioden sind, die Sie in der Prognose und dem Array der historischen Werte verwenden möchten. Sie können es in beliebiger Arbeitsmappe speichern. Funktion MovingAverage (Historical, NumberOfPeriods) als einzelne Deklarations - und Initialisierungsvariablen Dim Item als Variant Dim Zähler als Integer Dim Summe als Single Dim HistoricalSize als Integer Initialisierung von Variablen Zähler 1 Akkumulation 0 Festlegung der Größe des Historical Arrays HistoricalSize Historical. Count For Counter 1 bis NumberOfPeriods Anhäufung der entsprechenden Anzahl der zuletzt beobachteten Werte Accumulation Accumulation Historical (HistoricalSize - NumberOfPeriods Counter) MovingAverage Accumulation / NumberOfPariods Der Code wird in der Klasse erklärt. Sie möchten die Funktion auf dem Arbeitsblatt platzieren, so dass das Ergebnis der Berechnung angezeigt wird, wo es wie folgt sein soll.