Hogyan határozzuk meg a simítási intervallumot. Mozgóátlag módszer a Microsoft Excelben

1. Simítás mozgóátlag segítségével.

2. Előrejelzés exponenciális simítás alapján.

1. Az idősorok simítása a vizsgált mutató változási trendjének azonosítása érdekében történik. A mozgóátlaggal történő simítás lényege, hogy egy dinamikus sorozat eredeti egyenleteit egy bizonyos intervallumra számított átlagértékekre cseréljük. Átlagértékek megadása kötelező. középre igazítva, és megfelelnek az eredeti sorozat egy bizonyos pontjának szintjének. Intervallumok az átlag meghatározásához egy sor igazításánál d.b. azonos. A dinamikus sorozat minden szintje részt vesz a mozgóátlag számításában, a simított sorozat (k-1) megfigyeléssel rövidebb, mint az eredeti, ahol k a simítási intervallum értéke. Páratlan intervallumok esetén az átlag mindig számítások alapján középre kerül. Egyértelmű simítási intervallum mellett k=2, 4, 6... mozgóátlag d.b. 2 szomszédos mozgóátlag középpontba állítása eredményeként hivatkozik a felezőpontra. A simítási intervallum hossza a vizsgált mutató ingadozásának pályájától és az eredeti dinamikus sorozat szintszámától függ. A simítási intervallum hosszát gyakran a vizsgált időszakok legjobb lehetőségeinek megfelelően határozzák meg. A sorozat-igazítás pontosabb eredményeit súlyozott mozgóátlagok használatával kapjuk, a simítási intervallumon belül a sorozat minden szintjéhez súlyt rendelünk a szinttől a simítási intervallum közepéig terjedő távolságtól függően. Egy sorozat simított szintjeinek kiszámítása különböző fokú polenomiális egyenletek alapján történik.

2. Az exponenciális simítási módszer lényege, hogy az idősort súlyozott mozgóátlag segítségével simítjuk, kat. A sorozat szintjének tulajdonított exponenciális törvényt követi, a sorozat súlyozott szintjei jellemzik a vizsgált mutató értékét a simítási intervallum végén. Hogy. nagyobb jelentőséget adva a dinamikus sorozat utolsó tagjainak, mint az elsőnek. Az exponenciális simítás fő célja a trendegyenlet együtthatóinak ismétlődő korrekcióinak kiszámítása. Az y = a + bt alakú egyenes függőséghez a számításokat a következőképpen végezzük. út:

Meghatározzuk az első S0¹ és a második S0² sorrend kezdeti simítási feltételeit. út:

S01 = a-(1-a)/a*b

S0² = a-2(1-α)/a*b

a, b – az eredeti idősor trendjének elemzése alapján megszerkesztett trendegyenlet paraméterei.

n – dinamikus sorozatok szintjeinek száma

Az első és másodrendű exponenciális átlag kiszámítása történik

St¹(y)=α*yt + (1-α) * S¹t-1(y)

St²(y)=α * St¹(y) + (1-α) * S²t-1 (y)

yt az eredeti idősor kezdeti szintje.

S¹t-1(y) – a kezdeti simítási szintnek megfelelő számított érték (első számításnál) és az első sorrend exponenciális átlaga a korábbi számításoknál (utólagos számítások esetén)

S²t-1(y) – a kezdeti simítási feltételeknek és az előző másodrendű számítás exponenciális átlagának megfelelő számított érték.

Az eredeti TRND egyenlet együtthatóit exponenciális súlyok figyelembevételével becsüljük meg.

ae = 2 * St¹(y) - St²(y)

ve = a/1-a * (St¹(y) - St²(y))

Meghatározzák a simított sorozatok számított szintjeit

yt1 = ae + bet1

yt2 = ae + bet2 stb.

T1, t2… a vizsgált simított szintnek megfelelő időtartam sorszáma. Ezen számítások használata lehetővé teszi a mutatók előrejelzési értékének meghatározását különböző trendegyenletekhez. Az eredeti trendegyenletben szereplő paraméterek számának növekedésével a kezdeti simítási feltételekre és a meghatározott exponenciális átlagokra vonatkozó számítások száma nő.

Témakör: Előrejelzés korrelációs-regressziós modellekkel

1. A páros regressziós modellekkel történő előrejelzés jellemzői.

2. Többtényezős előrejelzés.

4. Az autokorreláció idősorokból történő kiküszöbölésének módszerei.

1. A korrelációelemzés két vagy több mutató közötti kapcsolat tanulmányozását foglalja magában. Vannak nyomok. csatlakozások típusai:

Funkcionális

Statisztikai

Funkcionális kapcsolat akkor jön létre, ha egyes jelenségekben bekövetkező változások nagyon határozott változást okoznak másokban. Az ilyen kapcsolatokat szigorúan meghatározott formájú egyenletek fejezik ki.

A statisztikai összefüggés a statisztikai összefüggések egy fajtája, amelyre az jellemző, hogy az egyik előjel változása a jelenség más jeleinek hatására történik. Általános esetben a vizsgált mutatók átlagos ingadozását jellemezzük.

Az m/y mutatók közötti statisztikai összefüggést tükröző egyenletet regressziós egyenletnek nevezzük. Ennek az ur-yavlnak a fejlődése. egy tényezőnek és több tényezőnek a vizsgált mutatóra gyakorolt hatásának ábrázolásának módszere. A páros korrelációs-regressziós modellek a vizsgált y mutató és egy x faktor közötti kapcsolatot tükrözik. általában: y=f(x) privát:

y=a±bx; y=a+b/x

y – vizsgált (jósolt) mutató

x a vizsgált mutatót befolyásoló tényező.

A párosított KRM² használatával történő előrejelzés a következőket tartalmazza. szakasz:

A független változó kiválasztása jelentősen befolyásolja a vizsgált mutatót. A faktor vizsgált mutatóra gyakorolt befolyásának jelentőségét a párkorrelációs együttható határozza meg.

r = n*Σy*x – Σy * Σx / √n * Σy² - Σy² * √n * Σx² - Σx²

Az előrejelzésekhez a következő kapcsolatokat használják: pár korrelációs együttható meghaladja a 0,8-at

Meghatározzuk a regressziós egyenlet alakját

A regressziós egyenlet paramétereit a legkisebb négyzetek módszerével becsüljük meg

∑y = a*n + b∑x

∑y*x = a∑x + b∑x²

A vizsgált y mutató előrejelzési értékeit úgy számítjuk ki, hogy a következő átfutási időszakra meghatározott x tényező értékét behelyettesítjük a megszerkesztett KR egyenletbe. módokon:

· a tényező előrejelzett értékének kiszámításával az x = f(t) formájú trendegyenlet segítségével

· az x tényező tervezett (normatív) értékének a jövőre való behelyettesítésével a KR modellbe.

2. A többtényezős előrejelzés lényege a vizsgált mutató előrejelzési értékeinek kiszámítása a többszörös KR analízis egyenletével, amely az y m/y mutató és több x1, x2 tényező közötti összefüggések tanulmányozása alapján épül fel, ..., xn amelyek jelentősen befolyásolják azt. Általános formában: I. fokú polinom:

y = a1x1 + a2x2 + … + anxn

A többtényezős előrejelzés szakaszai:

A vizsgált mutató dinamikájának elemzése;

A vizsgált mutatót befolyásoló tényezők megállapítása és a legjelentősebbek kiválasztása. A többszörös korrelációs modellbe való beillesztéshez a legjelentősebb tényezők kiválasztása az alábbiak szerint történhet. módokon:

a) az m/év és az egyes tényezők közötti páros korrelációs együtthatók számítása alapján. A legmagasabb páronkénti korrelációs együtthatóval rendelkező tényezők szerepelnek a modellben.

b) parciális korrelációs együtthatók számítása alapján kat. javasolja az egyik tényező y mutatóra gyakorolt hatásának tanulmányozását, miközben a többit állandó szinten rögzíti.

c) lépésenkénti Raman-analízis alapján. Ebben az esetben a faktorok szekvenciális modellbe foglalása eredményeként a számított Student-féle t-próba többszörös korrelációs együttható, parciális korrelációs együtthatók és determinációs együtthatók mutatói kiértékelésre kerülnek.

A faktorok végső kiválasztását a modell legjobb jellemzőivel rendelkező esetre végezzük. Ha a modell tényezői között szoros kapcsolat áll fenn, akkor ezek a tényezők egyidejűleg nem szerepelhetnek a modellben. |r|>0,6 ebben az esetben a multikolinearitás jelensége figyelhető meg. A többtényezős előrejelzési modellben szereplő tényezők száma d.b. 5-6-szor kevesebb, mint a megfigyelések száma.

Az m/y y és az x faktor közötti kapcsolat formája a statisztikai értékelés különböző együtthatóinak elemzésével állapítható meg, nevezetesen: a többszörös korrelációs együttható jellemzi az m/y y és az összes tényező közötti kapcsolat szorosságát; determinációs együttható char-et a modellben szereplő tényezők hatására bekövetkező y változás részaránya; F, T-kritériumok elemzése; az E közelítési hiba elemzése< 10-15% хар-ет соответствие выбранного уравнения регрессии реальным экономическим условиям.

A többtényezős egyenlet kvalitatív-logikai és statisztikai elemzését elvégezzük

Az y mutató előrejelzett értékeit az x tényezők trendjének előzetes extrapolációja alapján számítják ki.

A többtényezős elemzés lehetővé teszi, hogy megállapítsa a mutatók változásának tendenciáit, és értékelje a tényezőknek a vizsgált mutatóra gyakorolt hatásának lehetőségeit a jövőben.

3. Az autoregresszív modellekkel történő előrejelzés ugyanazon valószínűségi változó egymást követő értékei közötti összefüggések azonosításán és tanulmányozásán alapul. Ez azokban az esetekben fordul elő, amikor a vizsgált mutatóban bekövetkezett változásokat nem annyira bármilyen tényező rá gyakorolt hatása, hanem belső objektív okok okozzák.

Yt = a1Yt-1 + a2Yt-2 + … + anYt-n, ahol

Yt-1 – a sorozat szintjének vizsgált mutatójának (t-1) értéke, t-szintre vonatkoztatva.

Yt-2 – kutatási érték t szintig

Σ(Yt*Yt-1) = a1 * ΣYt-1² + a2 * ΣYt-1 * Yt-2

Σ(Yt * Yt-2) = a1 * ΣYt-1 * Yt-2 + a2 * Σyt-2²

d = 2 * (1 – Σγt * γt-1 / Σγt², .ahol

γt az eredeti dinamikus sorozat tényleges szintjének eltérése a számított értékektől

γt = yф – yр

A számított értékek azok a kat. trendegyenletből kapott

γt-1 – uv eltérés a sorozat ur (t-1)-edik szintjétől, a t/ szinthez viszonyítva

N – a sorozat szintjének száma.

Ha a becsült Durbin-Watson kritérium

d = 0, akkor erős pozitív autokorreláció áll fenn

d = 4, akkor erős negatív autokorreláció áll fenn

d = 2, akkor nincs autokorreláció az idősorban.

Ha a számított d kritérium nem felel meg bizonyos szinteknek, akkor az autokorreláció meglétét az idősor hosszától függően határozzuk meg a kidolgozott táblázat szerint a kritérium alsó és felső szintjével. Ha d dв (kritérium felső szintje), akkor nincs autokorreláció. Ha a feltétel dн és dв (dн<=d<=dв), то наличие корреляции или ее отсутствие м. подтвердиться только путем дополнительных вычислений для большего числа уровней ряда.

Az idősorok autokorrelációjának okai a következők lehetnek:

A változók közötti kapcsolat formájának helytelen megválasztása;

A vizsgált mutatók mérési hibái a sorozat különböző szintjeihez kapcsolódnak;

A korrelációs és regressziós elemzési modellek nem veszik teljes mértékben figyelembe az y-t befolyásoló tényezőket.

Egyetlen idősoros előrejelzésnél az autokorreláció jelenléte a vizsgált sorozatban tisztázza az előrejelzési becsléseket. A korrelációs-regressziós modellekkel történő előrejelzésnél az autokorreláció csökkenti az előrejelzés pontosságát és megbízhatóságát, és elfogadhatatlan, ezért a korrelációs-regressziós függőségek felépítését, elemzését és felhasználását az előrejelzésben az autokorreláció jelenségének kizárásával együtt kell elvégezni. az y és x mutatók dinamikus sorozata.

4. Az autokorreláció dinamikus sorozatból való kizárásához használja a következőket. mód:

Véges különbség módszer. Ebben az esetben, ha ezt a módszert alkalmazzuk, a feldolgozandó számértékek nem az idősor kezdeti szintjei, hanem a k-edik sorrendű sorozat következő és előző tagjainak különbségei, ha az m/y közötti kapcsolat Az y és x mutató lineáris, akkor a különbségek 1-edrendűek, és a párkorrelációs egyenlet a következőképpen alakul:

Δу = f(Δx) vagy Δу = а ± bΔx, ahol Δу = уt+1 – yi, ahol i a sorszint száma

Δх = xi+1 – xi

Az a és b paramétereket a legkisebb négyzetek módszerével határozzuk meg, a normálegyenletrendszer megfelelő transzformációjával. A vizsgált y mutató előrejelzett értékeinek kiszámítása az x tényező várható változásától függő növekedésének előzetes számítása alapján történik.

A trendek kiküszöbölésének módszere azon alapul, hogy az idősorok kezdeti szintjeit azok eltéréseivel helyettesítjük.

γt = yф – ur, ahol ur, hr jelenség. trendszint, εt = хф – хр

A jelenségek eltérései alapján történő előrejelzés legegyszerűbb módja. γt = t(εt) függvény és speciális esete – a következő alak lineáris függése: γt = α * εt/

α a következő összefüggésből számított egyenletparaméter. típus:

∑γtεt = α∑εt²

A vizsgált mutató előrejelzését az y mutató várható eltérése alapján határozzuk meg az x tényező adott eltéréséhez.

Frimna-Vou módszer. Az időnek a regressziós egyenletbe való bevonása alapján. Ebben az esetben a prediktív függvény a következőkkel rendelkezik. Kilátás:

y = a + bx + ct

Az egyenlet paramétereit a következő normál egyenletrendszer segítségével számítjuk ki. típus:

Σy = a * n + bΣx + cΣt

Σy*x = a∑x + bΣx² + cΣxt

Σyt = a*Σt + b∑t + cΣt²

A vizsgált y mutató előrejelzési értékét ennek az egyenletnek az alkalmazásával számítjuk ki, az x tényező előzetes előrejelzésével és a t időparaméter megfelelő helyettesítésével.

Téma: Tervezési módszertan

1. A tervezés elvei, módszerei és típusai.

2. Gazdaságszervezési tervrendszer.

4. A stratégiák lényege, típusai.

5. Az üzleti tervezés lényege és az üzleti terv felépítése.

1. Tervezési alapelvek:

Rendszeresség;

Folytonosság;

Rugalmasság;

Pontosság és fókusz.

A pontosság az, hogy a tervnek milyennek kell lennie meghatározott, részletes.

Alternativitás és optimalitás

Tervezési módszerek:

Hasonlóképpen;

Heurisztikus – intuitív tudás, tapasztalat, szakértői értékelések;

Matematikai modellek használata;

Társadalmi-gazdasági elemzési módszerek;

Egyensúly;

Normatív;

Program-célzott: terv kidolgozása megoldások keresésével és megvalósításával.

Tervezési típusok:

1. A tervezési ötletek időorientáltságától függően a következőket különböztetjük meg:

Reaktív tervezés (múltbeli tapasztalat);

Proaktív tervezés;

Interaktív tervezés (kreatív megközelítés a megoldásokhoz)

2. A bizonytalanság mértékétől függően a következőket különböztetjük meg:

Determinisztikus játék (cselekvés egy teljesen meghatározott környezetben);

Valószínűségi (egy bizonyos helyzeten kívül).

3. A tervezési horizonttól függően;

Rövid időszak;

Középlejáratú;

Hosszútávú;

2. A tervek az alábbiak szerint vannak besorolva. út:

Tervezési időszak szerint:

a) ígéretes;

b) áram;

c) működési naptár;

A megvalósított funkciók szerint:

a) MK terv;

b) termelési terv;

c) terv mn;

d) fejlesztési terv

A szervezet céljaitól függően:

a) támadó;

b) védekező (pozíciók megtartása, csődmegelőző);

c) felszámolás.

A tervek bemutatásának módjai:

Rendes bemutatás;

Az egymásra épülő munkavégzés során ütemterveket használnak;

Hálózati grafikonok;

Ciklogramok.

3. A stratégiai tervezés magában foglalja a vállalat jövőbeli fejlődésének alternatív lehetőségeinek kidolgozását, és a következő döntéshez kapcsolódik. feladatok:

Vezetési funkciók fejlesztése;

Üzlet fejlesztés;

befektetések vonzása;

Innovációk kidolgozása és megvalósítása;

Személyzeti politika.

A stratégiai tervezési folyamat a következőkből áll: szakasz:

a) A küldetés és a célok meghatározása.

b) A külső és belső környezet tanulmányozása;

c) a stratégiai elemzés magában foglalja a vállalat jelenlegi és jövőbeli magatartásában elért célok és eredmények összehasonlítását. Beleértve a versenyelemzést.

d) stratégiaalkotás;

e) a végső stratégiai terv tartalmazza:

A cég küldetése és céljai;

Szervezeti stratégia;

Vállalati cselekvési politika.

A politika olyan irányelvrendszer, amely meghatározza a problémák megoldásának módszereit és a tervek megvalósításának feltételeit. A szabályzatnak meg kell felelnie a következőknek. alapelvek:

Bizonyosság;

Stabilitás és rugalmasság;

Ismert törvények és tények alkalmazása;

Reális vezetés.

4. A stratégiák fogalma és típusai

A stratégia minőségileg meghatározott fejlesztési irány, amely az erőforrások összehangolásán és elosztásán alapul, figyelembe véve és megfelelően reagálva a környezeti tényezők változásait a hosszú távú versenyelőnyök elérése érdekében.

A stratégiák típusai:

1. A portfólióstratégia az üzleti egység egészére vonatkozik, és a következők megoldását foglalja magában. problémák:

befektetések vonzása;

Befektetési tevékenységek fejlesztése;

A gazdaság új szervezeti és jogi struktúráinak bevezetése;

Vezetési struktúrák fejlesztése, javítása stb.

A portfólióstratégiák a következők:

Növekedési stratégiák;

Stabilitási stratégiák;

Rövidítések.

2. Az üzleti stratégia az egyes üzleti egységekkel foglalkozik a nagyobb problémák megoldására.

3. A funkcionális stratégia az egyes funkcionális egységekre és struktúrákra kerül kidolgozásra.

Téma: Az árak és az infláció előrejelzésének jellemzői

1. Ár-előrejelzés módszerei.

2. Az infláció előrejelzése.

1. Ár-előrejelzési módszerek:

Szakértői értékelések módszere. Az árupiacok elemzéséhez és előrejelzéséhez használják. Egy termék hitelképességi szintjének értékelése során, a terméktulajdonságok rendszerének kialakítása és a fogyasztó számára jelentőségének meghatározása során. A felmérést szakemberek és vásárlók körében végezték.

Korrelációs és regresszióanalízis módszerei. A mag-reg modell egy változata az egy termék eladási ára és egy termék piaci kereslete és kínálata közötti különbség vizsgálata.

Az előrejelzett ár kiszámítása az alábbiak szerint történik. út;

A) Az áruk eladási árának dinamikus sorozatai, a kereslet és árukínálat volumene alakulnak ki;

B) Az árak dinamikus sorozatait és a kereslettől való kínálat dinamikus eltéréseinek sorozatait rangsoroljuk;

C) Meghatározzuk a kapcsolat formáját, kiszámítjuk a modell paramétereit;

D) Az előrejelzett árértékek kiszámítása az előrejelzési és kereskedelmi tevékenységek kilátásainak elemzése alapján történik;

A legszélesebb körben használt modellezési módszerek a következők:

A) A statisztikai játékelmélet magában foglalja az optimális árképzési döntések igazolását a piaci helyzet függvényében. Ugyanakkor mérlegelik az árak csökkentésének lehetőségeit, a vásárlók erre várható reakcióit, valamint a versenytársak áruinak esetleges eladási árait. Ennek eredményeként a játékmodell megoldása határozza meg a vállalat legjobb árazási stratégiáját, amely minimális veszteséget biztosít.

B) A lineáris programozás során optimalizálási feladatokat kell megoldani adott feltételek figyelembevételével.

Paraméteres ár-előrejelzés. Az árak és az áruk alapvető fogyasztói tulajdonságai közötti minőségi függőségek elemzésén alapulnak. Az előre jelzett árat ezután határozzák meg. út:

C = ∑Bi * Kvi * Ob, ahol

Bi – az új termék i-edik paraméterének pontbecslése

Kvi – az i-edik paraméter súlyegyütthatója

Ob – az alaptermék egy pontjának átlagos értékelése.

Ob = Cb / ∑Bib* Kvi

CB – az alaptermék ára

Bib – az alaptermék i-edik paraméterének pontbecslése.

Ár-előrejelzés a termék rugalmassági elemzése alapján

Ke = ∆s/s ׃ ∆c/c

2. Az infláció előrejelzésének módszerei:

Fogyasztói árindexek alapján;

Ји = Јцt – Јкt-1 / Јкt-1 * 100%

Јцt – árindexek a t időszakban.

A rejtett infláció figyelembevétele

Јк = Јк * Јд / Јто

Јд – készpénzjövedelem index

Ez a kereskedelmi forgalom indexe

Korrelációs-regressziós módszer. A modell tényezői a következők:

A) a készpénzbevétel változásai;

B) az export- és importárak változásai;

B) a pénzforgalom sebessége;

D) a bankok kamatai;

D) a bruttó hazai termék mennyisége.

Téma: Pénzügyi mutatók előrejelzése

A pénzügyi mutatók elemzése és előrejelzése a következő céllal történik:

1. Pénzügyi mutatók és paraméterek trendjének meghatározása;

2. A pénzügyi teljesítményt befolyásoló tényezők azonosítása azok kezelése érdekében.

3. A jövőre vonatkozó mutatók és paraméterek számítása.

Pénzügyi mutatók előrejelzésének módszerei;

Szabványos előrejelzés Az előrejelzési számítások a költségtételekre vonatkozó szabványokon alapulnak technológiai folyamatok, terméktípusok, válaszközpontok szerint, valamint egyes paraméterek kívánt állapotai és az ezek alapján történő előrejelzés stb.

A kritikus értékesítési volumen elemzésének módszerei.

Korrelációs és regresszióanalízis módszerei. A pénzügyi mutatók közötti kapcsolatok kezelése abból áll, hogy az egyik várható értékét meghatározzuk, míg a másikat a kidolgozott stratégiának megfelelően módosítjuk.

A modellezés magában foglalja az előrejelzett pénzügyi kimutatások elkészítését, a fő feladat az előrejelzési egyenleg kialakítása annak csökkenthetősége érdekében. Ebben az esetben a következőket kell használni. módokon:

1. Az értékesítési módszer százalékos aránya. Magában foglalja a pénzügyi kimutatások egyes tételeinek előrejelzését az értékesítési volumen dinamikája alapján. Jó eredményt ad, ha a cég stabilan működik, a termelési és kereskedelmi lehetőségeket maradéktalanul kiaknázzák, az árbevétel növekedéséhez befektetések vonzása szükséges.

2. A „dugós” módszer. Egyedi mérlegtételek előrejelzéséhez kapcsolódik, az egyéb tételek változására vonatkozó pénzügyi döntések indoklásával.

3. Egyedi jelentéstételi tételek előrejelzése azok dinamikája és kapcsolatai alapján. A pénzügyi mutatók előrejelzését célszerű variáns és intervallum formában bemutatni, ami jelentős bizonytalanság mellett lehetővé teszi a rövid és hosszú távon legjobb pénzügyi gazdálkodási stratégia meghatározását. Az előrejelzés variáns bemutatása az „előrejelzési érzékenységelemzés” módszer alkalmazásához kapcsolódik, és a kidolgozott forgatókönyv pesszimista és optimista megítélésén alapul. A számítások alapja az értékesítési volumen változásának mértéke, a költségek változásának jellege, az eszközök megújításának lehetőségei és értékei, a jelenlegi hitelpolitika eredményei stb. A pénzügyi mutatók intervallum formában történő bemutatása a likviditási, jövedelmezőségi, fizetőképességi stb. mutatók előrejelzett értékeinek bizalmi zónájának kiszámításához, valamint a finanszírozás szerkezetéhez és az alapok befektetésének volumenéhez kapcsolódik.

Téma: A külgazdasági tevékenység előrejelzési modelljei

A külső tevékenységek előrejelzése és tervezése az export és import megszervezésének leghatékonyabb lehetőségeinek kiválasztása, a hazai és külföldi piacok államközi együttműködés és szakosodás fejlesztésére alkalmas kapacitásának meghatározása érdekében történik. A külkereskedelem pr-i és pl-i-jében az export és import dinamikája és szerkezete, az egyes áruk és kereskedelmi csoportok kereslete és kínálata egy adott piacon, a dinamika és az árszínvonal, valamint az államközi áruk belső költségei. a forgalmat határozzák meg. A legelterjedtebb külső tevékenységek a következők. módokon:

Többtényezős modellek. Az ilyen modelleknél a minőség a következőket tartalmazza:

Általános export és import mutatók;

Külső mutatók kereskedelem iparági szinten;

Konkrét termékek értékesítési volumene.

A modell tényezői a következők:

1. az export előrejelzésekor:

Az exportőr exportképességei, pl. a GDP értéke és az ND volumene, termelési volumenmutatók;

Az exporttermékek iránti kereslet;

Termék teljesítménymutatói. a termék minőségi szintje;

Export teljesítménymutatók. Ez az exportbevétel és a költségek aránya, ha >1, akkor az export nyereséges;

Az árfolyammutató, a devizák aránya befolyásolja az exportot és az importot;

Országok közötti távolság, Timbergen index:

y = a0 * x1ª * x2ª * x3ª

x1 – exportált GDP;

x2 – importált GDP;

x3 – országok közötti távolság.

2. import előrejelzésekor: xm-ként a következők használhatók:

Az ország és az ipar importáruszükséglete;

Az import hatása;

Árfolyamok;

Az áruk világpiaci és belföldi árai közötti összefüggés;

A hitelezés elérhetőségének és hatékonyságának mutatói.

Nem lépnek kapcsolatba közvetlenül az Orosz Tudományos Akadémia gazdasági intézeteivel, ahogyan az Állami Tervbizottság gyakorlata volt. Nem innen származnak a "tudományos" ajánlások. 2.2 Áttérés a költségvetési tervezés programcélú módszereire A hosszú távú célprogramokat az államhatalmi végrehajtó szerv vagy a helyi önkormányzat végrehajtó szerve dolgozza ki és hagyja jóvá az illetékes...

Objektumok, régiók. Például a következő szabványokat alkalmazzák: társadalmi fejlődés - egy főre jutó fogyasztás, megélhetési költségek, élettér stb. 2. Az Orosz Föderáció költségvetési előrejelzési és tervezési rendszere A nemzeti és területi szintű pénzügyi tervezést egy rendszer biztosítja. pénzügyi terveket, amelyek értékben az anyag- és munkamérleghez kapcsolódnak...

§ 2.1. A gazdasági jelenségek dinamikájának főbb mutatói

A jelenségek dinamikájának számszerűsítésére statisztikai mutatókat használnak: abszolút növekedések, növekedési ütemek, növekedési ütemek, és ezek feloszthatók láncra, alapra és átlagosra.

Ezen dinamikai mutatók számítása az idősorok szintjének összehasonlításán alapul. Ha az összehasonlítás az összehasonlítás alapjául szolgáló szinttel történik, akkor ezeket a mutatókat alapnak nevezzük. Ha az összehasonlítást változó alapon végezzük, és minden következő szintet az előzővel hasonlítunk össze, akkor az így számított mutatókat láncmutatóknak nevezzük.

Abszolút növekedés egyenlő a két összehasonlított szint különbségével.

A T növekedési ráta a sorozat két összehasonlított szintjének arányát jellemzi százalékban kifejezve.

A K növekedési ütem a relatív értékek abszolút növekedését jellemzi. A %-ban definiált növekedési ráta azt mutatja, hogy az összehasonlított szint hány százalékkal változott az összehasonlítás alapjául vett szinthez képest. A 2.1. kifejezések vannak megadva az alap- és láncnövekmények, a növekedési ütemek, a növekedési ütemek kiszámításához. A következő jelöléseket használják:

2.1. táblázat.

Főbb dinamikai mutatók

	Növekedés	Növekedési üteme	Növekedési üteme
Lánc
Alapvető
Átlagos

A fejlődési dinamika általános mutatóinak megszerzéséhez átlagos értékeket határoznak meg: átlagos abszolút növekedés, átlagos növekedés és növekedési ütem.

Egy sorozat dinamikájának átlagos növekedést használó leírása megfelel annak két szélső ponton keresztül húzott egyenes formájában történő ábrázolásának. Ebben az esetben ahhoz, hogy egy előrejelzést egy lépéssel előrébb kapjunk, elegendő az átlagos abszolút növekedés értékét hozzáadni az utolsó megfigyeléshez.

(2.1.),

Ahol y n - tényleges érték a sorozat utolsó n-edik pontjában;

A szintérték prediktív becslése az n+1 pontban;

Az idősorokra számított átlagos növekedési érték .

Nyilvánvalóan helyes az előrejelzési érték megszerzésének ez a megközelítése, ha a fejlődés jellege közel áll a lineárishoz. A fejlődés ilyen egységes jellegét a lánc abszolút növekedésének megközelítőleg azonos értékei jelezhetik.

Az átlagos növekedési sebesség (és az átlagos növekedési sebesség) használata egy sorozat dinamikájának leírására megfelel annak, hogy a sorozat két szélső ponton áthúzott exponenciális vagy exponenciális görbe formájában jelenik meg. Ezért célszerű ezt a mutatót általánosan használni azoknál a folyamatoknál, amelyek dinamikája megközelítőleg állandó növekedési ütem mellett változik. Ebben az esetben az i előrejelzési értéke lépésekkel előre a következő képlettel kapható meg:

(2.2.),

ahol a szintérték előrejelzett becslése az n+i pontban;

Tényleges érték a sorozat utolsó n-edik pontjában;

A sorozatra számított átlagos növekedési ütem (nem %-ban).

Az átlagos növekedés és az átlagos növekedési ütem hátrányai közé tartozik, hogy csak a sorozat végső és kezdeti szintjét veszik figyelembe, és kizárják a köztes szintek hatását. Ezek a mutatók azonban igen széles alkalmazási körrel rendelkeznek, amit számításuk rendkívüli egyszerűsége magyaráz. Használhatók hozzávetőleges, legegyszerűbb előrejelzési módszerekként, megelőzve egy mélyrehatóbb kvantitatív és kvalitatív elemzést.

§ 2.2. Idősorok simítása mozgóátlag segítségével

A fejlődési trendek azonosításának általános technikája az idősorok simítása. A különféle simítási technikák lényege abban rejlik, hogy egy idősor tényleges szintjeit kiszámított szintekkel helyettesítik, amelyek kisebb mértékben vannak kitéve az ingadozásoknak. Ez hozzájárul a fejlődési trend világosabb megnyilvánulásához. Néha a simítást előzetes lépésként használják, mielőtt más módszereket alkalmaznának a trendek azonosítására (például a harmadik fejezetben tárgyaltakra).

A mozgóátlagok lehetővé teszik mind a véletlenszerű, mind a periodikus ingadozások kiegyenlítését, a folyamatok fejlődésében meglévő trendek azonosítását, ezért fontos eszközei az idősor-komponensek szűrésének.

Az egyszerű mozgóátlagot használó simító algoritmus a következő lépések sorozataként ábrázolható:

1. Határozza meg a g simítási intervallum hosszát, amely a sorozat g egymást követő szintjét tartalmazza (g kioltják ingadozások, és a fejlődési trend egyre simább. Minél erősebb az ingadozás, annál szélesebbnek kell lennie a simítási intervallumnak.

2. A teljes megfigyelési időszak szakaszokra van felosztva, a simítási intervallum 1-es lépéssel csúszik végig a sorozaton.

3. A számtani átlagokat az egyes szakaszokat alkotó sorozatok szintjeiből számítják ki.

4. Cserélje le az egyes szakaszok közepén található sorozatok tényleges értékeit a megfelelő átlagértékekkel.

Ebben az esetben célszerű a g simítási intervallum hosszát páratlan szám formájában venni: g=2p+1, mert ebben az esetben a kapott mozgóátlag értékek az intervallum középső tagjára esnek.

Az átlag kiszámításához használt megfigyeléseket aktív simítási tartománynak nevezzük.

Páratlan g érték esetén az aktív oldal összes szintje a következőképpen ábrázolható:

A a mozgóátlagot a következő képlet határozza meg:

(2.3.),

Ahol - az i-edik szint tényleges értéke;

Jelenlegi mozgóátlag érték t ;

2p+1 a simítási intervallum hossza.

A simítási eljárás az idősor periodikus rezgésének teljes kiküszöböléséhez vezet, ha a simítási intervallum hosszát egyenlőnek vagy többszörösének vesszük a ciklus, az oszcilláció periódusával.

A szezonális ingadozások kiküszöbölésére négy- és tizenkét tagú mozgóátlagok alkalmazása lenne kívánatos, de ebben az esetben a simítási intervallum hosszának páratlanságának feltétele nem teljesül. Ezért páros számú szint esetén az első és az utolsó megfigyelést az aktív szakaszban szokás fele súllyal elvégezni:

(2.4.)

Ezután a szezonális ingadozások kiegyenlítésére, amikor negyedéves vagy havi dinamikájú idősorokkal dolgozik, a következő mozgóátlagokat használhatja:

(2.5.)

(2.6.)

A g=2p+1 aktív szakasz hosszúságú mozgóátlag használatakor a sorozat első és utolsó p szintje nem simítható, ezek értékei elvesznek.Nyilvánvaló, hogy az utolsó pontok értékének elvesztése jelentős hátrány, mert A kutató számára a legfrissebb adatoknak van a legnagyobb információs értéke. Tekintsük az egyik olyan technikát, amely lehetővé teszi egy idősor elveszett értékeinek visszaállítását. Ehhez szüksége van:

1) Számítsa ki az átlagos növekedést az utolsó aktív szakaszban

Ahol g az aktív szakasz hossza;

Az aktív szakasz utolsó szintjének értéke;

Az első szint értéke az aktív szakaszban;

Átlagos abszolút növekedés.

2) Szerezze meg a P simított értékeket az idősor végén úgy, hogy az átlagos abszolút növekedést egymás után hozzáadja az utolsó simított értékhez.

Hasonló eljárás valósítható meg egy idősor első szintjeinek becslésére.

Az egyszerű mozgóátlag módszer akkor alkalmazható, ha egy idősor grafikus ábrázolása egyenesre hasonlít. Ha az igazított sorozat trendje hajlításokkal jár, és kívánatos, hogy a kutató megőrizze a kis hullámokat, akkor az egyszerű mozgóátlag használata nem megfelelő.

Ha a folyamatot nemlineáris fejlődés jellemzi, akkor az egyszerű mozgóátlag jelentős torzulásokhoz vezethet. Ezekben az esetekben a súlyozott mozgóátlag használata megbízhatóbb.

Súlyozott mozgóátlaggal történő simításkor minden szakaszban az igazítást alacsony rendű polinomok segítségével hajtják végre. A leggyakrabban használt polinomok a 2. és 3. rendűek. Mivel egyszerű mozgóátlaggal az igazítás minden aktív szakaszon egy egyenes mentén történik (elsőrendű polinom), az egyszerű mozgóátlag módszer a súlyozott mozgóátlag módszer speciális esetének tekinthető. Az egyszerű mozgóátlag az aktív simító szakaszban szereplő sorozat összes szintjét egyenlő súllyal veszi figyelembe, a súlyozott átlag pedig minden szinthez súlyt rendel, attól függően, hogy ezt a szintet az aktív szakasz közepén lévő szintre eltávolították.

A súlyozott mozgóátlag segítségével történő igazítást a következőképpen hajtjuk végre.

Minden aktív területhez egy polinom kerül kiválasztásra az alakból

lehetőségekamelyeket a legkisebb négyzetek módszerével becsülünk meg. Ebben az esetben a referenciapont az aktív szakasz közepére kerül át. Például a g=5 simítási intervallum hosszára az aktív szakasz szintjeinek indexei a következők lesznek i: -2, -1, 0, 1, 2.

Ekkor az aktív szakasz közepén található szint simított értéke a kiválasztott polinom a 0 paraméterének értéke lesz.

Nem szükséges minden alkalommal újraszámolni a súlyozási együtthatókat az aktív simítási szakaszban szereplő sorozatszinteknél, mert minden aktív oldalon azonosak lesznek. Sőt, ha polinom segítségével simítunk izé páratlan fokú, a súlyozási együtthatók ugyanazok lesznek, mint a polinomiális (k-1) fokos simításnál. A 2.2. Súlyozási együtthatók a 2. vagy 3. rendű polinom segítségével történő simításhoz (a simítási intervallum hosszától függően).

Mivel a súlyok a központi szinthez képest szimmetrikusak, a táblázatban szimbolikus jelölést alkalmazunk: a súlyok az aktív szakasz szintjeinek felére vonatkoznak; a simítási terület közepén található szinthez viszonyított súly kerül kiosztásra. A fennmaradó szintek esetében a súlyok nincsenek megadva, mivel azok szimmetrikusan tükröződhetnek.

Például szemléltessük a táblázat használatát egy 2. rendű parabola mentén 5 tagú súlyozott mozgóátlag feletti simításra. Ezután a központi érték minden aktív helyen , a következő képlet segítségével becsüljük meg:

Jegyezzük meg az adott skálák fontos tulajdonságait:

1) A központi szinthez képest szimmetrikusak.

2) A súlyok összege, figyelembe véve a zárójelben szereplő közös tényezőt, egyenlő eggyel.

3) Mind a pozitív, mind a negatív súlyok jelenléte lehetővé teszi, hogy a simított görbe megőrizze a trendgörbe különböző kanyarulatait.

Vannak olyan technikák, amelyek lehetővé teszik további számítások segítségével a sorozat kezdeti és végső szintjének P simított értékét a g=2p+1 simítási intervallum hosszával.

A mozgóátlag módszer egy statisztikai eszköz, amely különféle típusú problémák megoldására használható. Különösen gyakran használják az előrejelzésben. Az Excelben ezt az eszközt számos probléma megoldására is használhatja. Nézzük meg, hogyan használják a mozgóátlagot az Excelben.

Ennek a módszernek az a jelentése, hogy az adatok simításával segít a kiválasztott sorozat abszolút dinamikus értékeinek számtani átlagokra váltásában egy bizonyos időszakra. Ezt az eszközt gazdasági számításokhoz, előrejelzésekhez, tőzsdei kereskedési folyamatokhoz stb. A legjobb, ha az Excel mozgóátlag módszerét használjuk egy hatékony statisztikai adatfeldolgozó eszköz segítségével Elemző csomag. Ezenkívül ugyanezekre a célokra használhatja a beépített Excel funkciót ÁTLAGOS.

1. módszer: Elemző csomag

Elemző csomag egy Excel-bővítmény, amely alapértelmezés szerint le van tiltva. Ezért először is engedélyeznie kell.

Ezt követően a csomag "Adatelemzés" aktiválva van, és a megfelelő gomb megjelent a fül szalagján "Adat".

Most nézzük meg, hogyan használhatja közvetlenül a csomag képességeit Adatelemzés mozgóátlag módszerrel történő munkavégzéshez. Készítsünk előrejelzést a tizenkettedik hónapra a vállalat 11 korábbi időszak bevételére vonatkozó információk alapján. Ehhez egy adatokkal kitöltött táblázatot, valamint eszközöket fogunk használni Elemző csomag.

Menjen a lapra "Adat"és nyomja meg a gombot "Adatelemzés", amely a blokkban lévő szerszámszalagon található "Elemzés".

A rendelkezésre álló eszközök listája Elemző csomag. Válasszon belőlük egy nevet "Mozgóátlag"és nyomja meg a gombot "RENDBEN".

Megnyílik a mozgóátlag módszerrel történő előrejelzés adatbeviteli ablaka.
A terepen "Beviteli intervallum" Megjelöljük annak a tartománynak a címét, ahol a havi bevétel összege található, anélkül, hogy az adatot számolni kell.

A terepen "Intervallum" meg kell adnia az értékek feldolgozásának intervallumát a simítási módszerrel. Először állítsuk be a simítási értéket három hónapra, és ezért írjuk be a számot "3".

A terepen "Kimeneti intervallum" meg kell adni egy tetszőleges üres tartományt a lapon, ahol a feldolgozás után az adatok megjelennek, aminek egy cellával nagyobbnak kell lennie, mint a beviteli intervallum.

A paraméter melletti négyzetet is be kell jelölni "Szabványos hibák".

Ha szükséges, bejelölheti az elem melletti négyzetet is "Grafikon kimenet" vizuális bemutatásra, bár esetünkben erre nincs szükség.

Az összes beállítás elvégzése után kattintson a gombra "RENDBEN".

A program megjeleníti a feldolgozás eredményét.

Most két hónapon keresztül simítást hajtunk végre, hogy meghatározzuk, melyik eredmény a helyesebb. Ebből a célból újra elindítjuk az eszközt "Mozgóátlag" Elemző csomag.
A terepen "Beviteli intervallum" ugyanazokat az értékeket hagyjuk meg, mint az előző esetben.

A terepen "Intervallum" tegyen egy számot "2".

A terepen "Kimeneti intervallum" Megjelenítjük az új üres tartomány címét, amelynek ismét egy cellával nagyobbnak kell lennie, mint a beviteli intervallum.

A többi beállítást változatlanul hagyjuk. Ezt követően kattintson a gombra "RENDBEN".

Ezt követően a program elvégzi a számítást és az eredményt megjeleníti a képernyőn. Annak megállapításához, hogy a két modell közül melyik a pontosabb, össze kell hasonlítanunk a standard hibákat. Minél alacsonyabb ez a mutató, annál nagyobb a valószínűsége a kapott eredmény pontosságának. Mint látható, minden érték esetében a standard hiba a kéthavi mozgóátlag kiszámításakor kisebb, mint ugyanaz a mutató 3 hónapra. Így a decemberi előrejelzett értéknek az elmúlt időszak csúszó módszerrel számított értéke tekinthető. Esetünkben ez az érték 990,4 ezer rubel.

2. módszer: Az AVERAGE függvény használata

Van egy másik módja a mozgóátlag módszer használatának az Excelben. Használatához számos szabványos programfüggvényt kell használni, melyek alapja a mi célunk ÁTLAGOS. Például ugyanazt a vállalati bevétel táblázatot fogjuk használni, mint az első esetben.

Csakúgy, mint legutóbb, simított idősorokat kell készítenünk. De ezúttal a műveletek nem lesznek annyira automatizáltak. Két, majd háromhavonta ki kell számítania az átlagot, hogy össze tudja hasonlítani az eredményeket.

Először is számítsuk ki a függvény segítségével az előző két időszak átlagértékeit ÁTLAGOS. Ezt csak márciustól tudjuk megtenni, mert a későbbi időpontokban értéktörés van.

Jelöljön ki egy cellát a márciusi sor üres oszlopában. Ezután kattintson az ikonra "Funkció beszúrása", amely a képletsor közelében található.

Az ablak aktiválva van Funkcióvarázslók. Kategóriában "Statisztikai"értelmét keresve "ÁTLAGOS", válassza ki és kattintson a gombra "RENDBEN".

Megnyílik az operátori argumentumok ablaka ÁTLAGOS. A szintaxisa a következő:
ÁTLAG(szám1,szám2,…)

Csak egy érv szükséges.

Esetünkben terepen "1. szám" linket kell adnunk ahhoz a tartományhoz, ahol a két előző időszak (január és február) bevétele szerepel. Helyezze a kurzort a mezőbe, és válassza ki a megfelelő cellákat az oszlopban lévő lapon "Jövedelem". Ezt követően kattintson a gombra "RENDBEN".

Amint látható, a cellában megjelent az előző két időszak átlagértékének kiszámításának eredménye. Ahhoz, hogy az időszak összes többi hónapjára hasonló számításokat végezhessünk, ezt a képletet más cellákba kell másolnunk. Ehhez helyezze a kurzort a függvényt tartalmazó cella jobb alsó sarkába. A kurzor egy kitöltő fogantyúvá változik, amely úgy néz ki, mint egy kereszt. Tartsa lenyomva a bal egérgombot, és húzza le az oszlop legvégéig.

Az év vége előtti két előző hónap átlagértékének számítását megkapjuk.

Most jelölje ki a cellát az áprilisi sor következő üres oszlopában. A függvény argumentumai ablak meghívása ÁTLAGOS a korábban leírtakhoz hasonlóan. A terepen "1. szám" adja meg a cellák koordinátáit az oszlopban "Jövedelem" januártól márciusig. Ezután kattintson a gombra "RENDBEN".

A kitöltési marker használatával másolja a képletet az alábbi táblázatcellákba.

Tehát kiszámoltuk az értékeket. Most is, mint az előző alkalommal, ki kell találnunk, hogy melyik típusú elemzés a jobb: 2 vagy 3 hónapos simítással. Ehhez ki kell számítania a szórást és néhány más mutatót. Először is számítsuk ki az abszolút eltérést a szabványos Excel-függvény segítségével ABS, amely pozitív vagy negatív számok helyett a modulusukat adja vissza. Ez az érték megegyezik a kiválasztott hónap tényleges bevételi mutatója és az előrejelzett hónap különbségével. Helyezze a kurzort a májusi sor következő üres oszlopába. Hívás Funkcióvarázsló.

Kategóriában "Matematikai" jelölje ki a függvény nevét "ABS". Kattintson a gombra "RENDBEN".

Megnyílik a függvény argumentumai ablak ABS. Egyetlen mezőben "Szám" oszlopokban jelölje meg a cellák tartalma közötti különbséget "Jövedelem"És "2 hónap" májusra. Ezután kattintson a gombra "RENDBEN".

A kitöltési jelölő segítségével másolja ezt a képletet a táblázat összes sorába novemberig.

Az abszolút eltérés átlagos értékét a teljes időszakra számítjuk ki a számunkra már ismert függvény segítségével ÁTLAGOS.

Hasonló eljárást hajtunk végre a 3 hónapos mozgóátlag abszolút eltérésének kiszámításához. Először alkalmazzuk a függvényt ABS. Csak ezúttal a tényleges jövedelmű és a tervezett bevételű cellák tartalma közötti különbséget számítjuk ki, mozgóátlag módszerrel 3 hónapra.

Ezután a függvény segítségével kiszámítjuk az összes abszolút eltérés adatának átlagos értékét ÁTLAGOS.

A következő lépés a relatív eltérés kiszámítása. Ez egyenlő az abszolút eltérés és a tényleges mutató arányával. A negatív értékek elkerülése érdekében ismét élni fogunk az operátor által kínált lehetőségekkel ABS. Ezúttal ezzel a funkcióval osztjuk el a 2 havi mozgóátlag módszer alkalmazásakor kapott abszolút eltérés értékét a kiválasztott hónap tényleges bevételével.

De a relatív eltérés általában százalékban jelenik meg. Ezért válassza ki a megfelelő tartományt a lapon, és lépjen a lapra "Itthon", ahol a szerszámblokkban "Szám" egy speciális formázási mezőben állítjuk be a százalékos formátumot. Ezt követően a relatív eltérés számításának eredménye százalékban jelenik meg.

Hasonló műveletet végzünk a relatív eltérés adatokkal történő kiszámításához simítással 3 hónapig. Csak ebben az esetben osztalékként számítva a táblázat egy másik oszlopát használjuk, amelynek a neve „Abs. off (3m)". Ezután a számértékeket százalékos formára konvertáljuk.

Ezt követően mindkét oszlop átlagértékét kiszámítjuk relatív eltéréssel, mint a függvény használata előtt ÁTLAGOS. Mivel a számításhoz százalékos értékeket veszünk függvényargumentumként, nincs szükség további konverzióra. A kimeneti operátor az eredményt százalékos formátumban állítja elő.

Most elérkezünk a szórás kiszámításához. Ez a mutató lehetővé teszi számunkra, hogy közvetlenül összehasonlítsuk a számítás minőségét két és három hónapos simítás használatakor. Esetünkben a szórás egyenlő lesz a tényleges bevétel és a mozgóátlag különbségei négyzetösszegének négyzetgyökével, osztva a hónapok számával. Ahhoz, hogy a programban számításokat végezhessünk, számos függvényt kell használnunk, különösen GYÖKÉR, SZUM KÜLÖNBSÉGÉs JELÖLJE BE. Például a szórás kiszámításához májusi két hónapos simítóvonal használatakor esetünkben a következő képletet használjuk:
SQRT(SUMVARE(B6:B12,C6:C12)/COUNT(B6:B12))

Átmásoljuk az oszlop többi cellájába, és a kitöltési marker segítségével kiszámítjuk a szórást.

Hasonló műveletet végzünk a 3 hónapos mozgóátlag szórásának kiszámításához.

Ezt követően mindkét mutató esetében a függvény segítségével kiszámítjuk a teljes időszak átlagértékét ÁTLAGOS.

Összehasonlítva a mozgóátlagos számításokat 2 és 3 hónapos simítással olyan mutatók tekintetében, mint az abszolút eltérés, a relatív eltérés és a szórás, bátran kijelenthetjük, hogy a két hónapos simítás megbízhatóbb eredményt ad, mint a három hónapos simítás. . Ezt bizonyítja, hogy a fenti mutatók egy kéthavi mozgóátlagnál kisebbek, mint a háromhavi mozgóátlagnál.

Így a vállalkozás tervezett bevétele decemberre 990,4 ezer rubel lesz. Amint láthatja, ez az érték teljesen egybeesik azzal, amelyet az eszközök használatával történő számítás során kaptunk Elemző csomag.

Az előrejelzést mozgóátlag módszerrel kétféleképpen számoltuk ki. Mint látható, ez az eljárás sokkal könnyebben végrehajtható eszközökkel Elemző csomag. Egyes felhasználók azonban nem mindig bíznak az automatikus számításban, és inkább a függvényt használják számításokhoz ÁTLAGOSés a kísérő kezelőket, hogy ellenőrizze a legmegbízhatóbb opciót. Bár, ha minden helyesen történik, a számítások kimeneti eredményének teljesen azonosnak kell lennie.

.
Mozgóátlag a trendkövető mutatók osztályába tartozik, segít meghatározni egy új trend kezdetét és befejezését, dőlésszögével meghatározható az erősség (mozgási sebesség), alapként (vagy simításként) is használható tényező) számos egyéb technikai mutatóban. Néha trendvonalnak is nevezik.

Egyszerű mozgóátlag képlet:

Ahol Pi - Piaci árak (általában zárási árakat vesznek, de néha Nyitott, Magas, Alacsony, Medián árat, Tipikus árat használnak).

N - fő paraméter - simítási hossz ill időszak(a mozgóátlag számításban szereplő árak száma). Néha ezt a paramétert hívják mozgóátlag sorrendje.

Mozgóátlagos példa:
5-ös paraméterrel.

Leírás:
Az egyszerű az árak egy bizonyos időszakra vonatkozó szokásos számtani átlaga. az egyensúlyi ár egy bizonyos mutatója (a kereslet és a kínálat egyensúlya a piacon) egy bizonyos időszakra vonatkozóan, minél rövidebb a mozgóátlag, annál rövidebb az egyensúlyi időszak. Az árak átlagolásával bizonyos késéssel mindig követi a fő piaci trendet, kiszűrve az apróbb ingadozásokat. Minél kisebb a paraméter (azt mondják rövidebb), annál gyorsabban határoz meg egy új trendet, ugyanakkor több hamis ingadozást okoz, és fordítva, minél nagyobb a paraméter (ezek szerint hosszú), annál lassabban határozódik meg az új trend. , de kevesebb a hamis ingadozás.

Használat:
Mozgóátlagok alkalmazása nagyon egyszerű. A mozgóátlagok nem jelzik előre a trend változásait, csak egy már kialakuló trendet jeleznek. Mivel a mozgóátlagok követik a mutatókat, leginkább trendi időszakokban használhatók, és ha nincsenek a piacon, teljesen hatástalanná válnak. Ezért ezen mutatók használata előtt külön elemzést kell végezni egy adott devizapár tulajdonságairól. A legegyszerűbb formájában a mozgóátlag használatának több módját is ismerjük.

7 van alapvető mozgóátlagos módszerek:

A kereskedés oldalának meghatározása mozgóátlag segítségével. Ha felfelé irányul, akkor csak vásárol, ha lefelé, akkor csak értékesítést. Ebben az esetben a piacról való belépési és kilépési pontok más alapján kerülnek meghatározásra mozgóátlagos módszerek(beleértve a gyorsabb mozgóátlagot is).
Maga az ár pozitív meredekségű alulról felfelé történő visszafordítása vételi jelzésnek minősül, a felülről lefelé történő visszafordítás pedig magának az árnak negatív meredeksége esetén az eladási jelzésnek minősül.
Mozgóátlag módszer, a mozgóátlagát felülről lefelé haladó ár (mindkettő negatív meredeksége esetén) eladási jelzésnek minősül, az ár átlépi a mozgóátlag alulról felfelé (mindkettő pozitív meredeksége esetén) vételi jelnek minősül.
A hosszú és a rövid keresztezése alulról felfelé vásárlási jelzésnek minősül, és fordítva.
Mozgóátlagok kerek periódusokkal(50, 100, 200) néha mozgó szintnek és ellenállásnak tekintik.
Az alapján, hogy mely mozgóátlagok irányulnak felfelé és melyek lefelé, meghatározzák, hogy melyik felfelé és melyik lefelé (rövid távú, középtávú, hosszú távú).
A két eltérő paraméterű átlag közötti legnagyobb eltérés pillanatai a trend esetleges változásának jelzéseként értelmezhetők.

A mozgóátlag módszer hátrányai:

Használata kereskedési módszer A bemeneti és kimeneti késés általában nagyon jelentős, így a legtöbb esetben a mozgás nagy része elvész.
Belül és különösen oldalsó fűrész formájában sok hamis jelzést ad és veszteségekhez vezet. Ugyanakkor egy egyszerű mozgóátlag alapján kereskedő kereskedő nem hagyhatja ki ezeket a jeleket, hiszen mindegyik potenciális jelzés a trendbe lépéshez.
Az árkalkulációba való belépéskor nagyban eltér a piaci árszinttől. Amikor ez az ár elhagyja a mozgóátlagot, másodszor is erőteljes változás következik be. A. Elder ezt a hatást „a rossz kutya kétszer ugat” nevezte.
Az egyik a mozgóátlag módszer legsúlyosabb hátrányai, az, hogy egyenlő súlyt ad mind az újabb, mind a régebbi áraknak, bár logikusabb lenne azt feltételezni, hogy az új árak fontosabbak, hiszen a jelenlegi pillanathoz közelebbi piaci helyzetet tükröznek.

1. megjegyzés: A piacon jobb a rövidebb mozgóátlag használata, a piacon jobb a hosszabb mozgóátlag használata, mivel kevesebb hamis jelet ad.

2. megjegyzés: elég sok hatékonyabb modern változata van: exponenciális mozgóátlag, súlyozott mozgóátlag, van még néhány adaptív mozgóátlagok AMA, KAMA, Jurik MA stb.

Kockázati figyelmeztetés: Nem javasoljuk, hogy élő számlákon használjon indikátorokat anélkül, hogy először tesztelné őket demószámlán vagy kereskedési stratégiaként. Bármelyik, még a legjobb mutató is, ha helytelenül használják, sok hamis jelzést ad, és ennek eredményeként jelentős veszteségeket okozhat a kereskedési folyamatban.

Extrapoláció egy olyan tudományos kutatási módszer, amely a múltbeli és jelenbeli trendek, minták, összefüggések terjesztésén alapul az előrejelzés tárgya jövőbeli fejlődésével. Az extrapolációs módszerek közé tartozik mozgóátlag módszer, exponenciális simítás módszer, legkisebb négyzetek módszere.

Mozgóátlag módszer az egyik jól ismert idősoros simító módszer. Ezzel a módszerrel kiküszöbölhetők a véletlenszerű ingadozások, és olyan értékeket kaphatunk, amelyek megfelelnek a fő tényezők hatásának.

A mozgóátlagokkal történő simítás azon a tényen alapul, hogy az átlagértékek véletlenszerű eltérései kioltják egymást. Ez annak köszönhető, hogy az idősor kezdeti szintjeit a kiválasztott időintervallumon belül számtani átlaggal helyettesítik. Az eredményül kapott érték a kiválasztott időintervallum (periódus) közepére vonatkozik.

Ezután egy megfigyeléssel eltoljuk az időszakot, és megismételjük az átlag számítását. Ebben az esetben az átlag meghatározásának időszakait mindvégig azonosnak vesszük. Így minden egyes figyelembe vett esetben az átlag középpontos, azaz. a simítási intervallum felezőpontja, és ennek a pontnak a szintjét jelenti.

Amikor egy idősort mozgóátlagokkal simítunk, a sorozat minden szintje részt vesz a számításokban. Minél szélesebb a simítási intervallum, annál egyenletesebb a trend. A simított sorozat (n–1) megfigyeléssel rövidebb, mint az eredeti, ahol n a simítási intervallum értéke.

Nagy n értékeknél a simított sorozat változékonysága jelentősen csökken. Ugyanakkor a megfigyelések száma észrevehetően csökken, ami nehézségeket okoz.

A simítási intervallum megválasztása a vizsgálat céljaitól függ. Ebben az esetben azt az időtartamot kell követni, amelyben a cselekvés megtörténik, és ennek következtében a véletlenszerű tényezők hatásának kiküszöbölésére.

Ezt a módszert rövid távú előrejelzésre használják. Működési képlete:

Példa a mozgóátlag módszer használatára előrejelzés készítéséhez

Feladat . Vannak a régió munkanélküliségi rátáját jellemző adatok, %

Készítsen előrejelzést a régió munkanélküliségi rátájáról novemberre, decemberre, januárra a következő módszerekkel: mozgóátlag, exponenciális simítás, legkisebb négyzetek.
Számítsa ki az eredményül kapott előrejelzések hibáit az egyes módszerek használatával.
Hasonlítsa össze az eredményeket, és vonjon le következtetéseket.

Megoldás mozgóátlag módszerrel

Az előrejelzési érték mozgóátlag módszerrel történő kiszámításához a következőket kell tennie:

1. Határozza meg a simítási intervallum értékét, például egyenlő 3-mal (n = 3).

2. Számítsa ki az első három periódus mozgóátlagát!
m febr. = (január + Ufev + U március)/ 3 = (2,99+2,66+2,63)/3 = 2,76
A kapott értéket a felvett periódus közepén írjuk be a táblázatba.
Ezután a következő három periódusra számolunk m-t: február, március, április.
m március = (Ufev + Umart + Uapr)/ 3 = (2,66+2,63+2,56)/3 = 2,62
Ezután analógia útján minden három szomszédos periódusra kiszámolunk m-t, és beírjuk az eredményeket a táblázatba.

3. Az összes időszak mozgóátlagának kiszámítása után a következő képlet alapján készítünk előrejelzést novemberre:

ahol t + 1 – előrejelzési időszak; t – az előrejelzési időszakot megelőző időszak (év, hónap stb.); Уt+1 – előrejelzett mutató; mt-1 – az előrejelzést megelőző két időszak mozgóátlaga; n – a simítási intervallumban szereplő szintek száma; Уt – a vizsgált jelenség tényleges értéke az előző időszakra vonatkozóan; Уt-1 – a vizsgált jelenség tényleges értéke az előrejelzést megelőző két időszakra vonatkozóan.

U november = 1,57 + 1/3 (1,42 - 1,56) = 1,57 - 0,05 = 1,52
Meghatározzuk az októberi m mozgóátlagot.
m = (1,56+1,42+1,52) /3 = 1,5
Decemberre készítünk előrejelzést.
U december = 1,5 + 1/3 (1,52 – 1,42) = 1,53
Meghatározzuk a novemberi m mozgóátlagot.
m = (1,42+1,52+1,53) /3 = 1,49
Januárra készítünk előrejelzést.
Y január = 1,49 + 1/3 (1,53 – 1,52) = 1,49
A kapott eredményt beírjuk a táblázatba.

Az átlagos relatív hibát a következő képlettel számítjuk ki:

ε = 9,01/8 = 1,13% előrejelzés pontossága magas.

Ezután ezt a problémát módszerekkel oldjuk meg exponenciális simítás És legkisebb négyzetek . Vonjunk le következtetéseket.

Előző cikk: Mekkora a fénysebesség Következő cikk: Harmonikus rezgések Az oszcillációs frekvencia fizikai képlete