الفرق بين - المتوسط المتحرك الأسي و نماذج تجانس -

بسيطة مقابل. المتوسطات المتحركة الأسية المتوسطات المتحركة هي أكثر من دراسة سلسلة من الأرقام في الترتيب المتعاقب. في الواقع، كان الممارسون المبتدئون لتحليل السلاسل الزمنية أكثر اهتماما بأعداد السلاسل الزمنية الفردية أكثر مما كانوا مع استيفاء تلك البيانات. إقحام. في شكل نظريات الاحتمال والتحليل، وجاء في وقت لاحق جدا، كما تم تطوير أنماط واكتشاف الارتباطات. وبمجرد فهمها، تم رسم مختلف المنحنيات والخطوط على طول سلسلة زمنية في محاولة للتنبؤ حيث قد تذهب نقاط البيانات. وهي الآن تعتبر الأساليب الأساسية المستخدمة حاليا من قبل تجار التحليل الفني. تحليل الرسم البياني يمكن ارجاعه إلى القرن ال 18 اليابان، ولكن كيف ومتى تتحرك المتوسطات لأول مرة تطبق على أسعار السوق لا يزال لغزا. ومن المفهوم عموما أن المتوسطات المتحركة البسيطة (سما) كانت تستخدم قبل فترة طويلة من المتوسطات المتحركة الأسية (إما)، لأن المتوسطات المتنقلة إما مبنية على إطار سما، كما أن فهم متواصل سما أكثر سهولة لأغراض التآمر والتتبع. (هل ترغب في قراءة خلفية صغيرة تحقق من المتوسطات المتحركة: ما هي) المتوسط ​​المتحرك البسيط (سما) أصبحت المتوسطات المتحركة البسيطة الطريقة المفضلة لتتبع أسعار السوق لأنها سريعة الحساب وسهلة الفهم. عمل ممارسو السوق في وقت مبكر دون استخدام مقاييس الرسم البياني المتطورة المستخدمة اليوم، لذلك اعتمدوا في المقام الأول على أسعار السوق كمرشدين وحيدين. وقد حسبوا أسعار السوق باليد، ورسموا بيانا لتلك الأسعار للدلالة على الاتجاهات واتجاه السوق. وكانت هذه العملية مملة جدا، ولكن ثبت مربحة للغاية مع تأكيد المزيد من الدراسات. لحساب المتوسط ​​المتحرك البسيط لمدة 10 أيام، ما عليك سوى إضافة أسعار الإغلاق خلال الأيام العشرة الأخيرة وتقسيمها بمقدار 10. ويتم حساب المتوسط ​​المتحرك لمدة 20 يوما بإضافة أسعار الإغلاق خلال فترة 20 يوما وتقسيمها إلى 20، هكذا. هذه الصيغة لا تستند فقط إلى أسعار الإغلاق، ولكن المنتج هو متوسط ​​الأسعار - مجموعة فرعية. ويطلق على المتوسطات المتحركة التحرك لأن مجموعة الأسعار المستخدمة في الحساب تتحرك وفقا للنقطة على الرسم البياني. وهذا يعني أن الأيام القديمة يتم إسقاطها لصالح الأيام الجديدة لسعر الإقفال، لذا هناك حاجة دائما إلى حساب جديد يتوافق مع الإطار الزمني للمتوسط ​​المستخدم. لذلك، يتم حساب متوسط ​​10 أيام بإضافة اليوم الجديد وإسقاط اليوم العاشر، ويتم إسقاط اليوم التاسع في اليوم الثاني. (لمزيد من المعلومات حول كيفية استخدام الرسوم البيانية في تداول العملات، راجع أساسيات العرض البياني). المتوسط ​​المتحرك الأسي (إما) لقد تم تحسين المتوسط ​​المتحرك الأسي واستخدامه بشكل أكثر شيوعا منذ الستينيات، وذلك بفضل تجارب الممارسين السابقين مع الكمبيوتر. وسوف تركز إما الجديدة على المزيد من الأسعار الأخيرة بدلا من التركيز على سلسلة طويلة من نقاط البيانات، حيث يتطلب المتوسط ​​المتحرك البسيط. الحالي إما ((السعر الحالي) - إما إما)) X المضاعف السابق إما. العامل الأكثر أهمية هو ثابت تمهيد أن 2 (1N) حيث N عدد الأيام. إيما 10 أيام (101) 18.8 هذا يعني أن أوزان 10-إما الفترة الأخيرة السعر 18.8، إيما 20 يوما و 20 يوما إما 3.92 الوزن في اليوم الأخير. تعمل إما عن طريق ترجيح الفرق بين سعر الفترات الحالية و إما السابق، وإضافة النتيجة إلى إما السابق. أقصر الفترة، والمزيد من الوزن المطبق على أحدث الأسعار. خطوط تركيب من خلال هذه الحسابات، يتم رسم النقاط، وكشف عن خط المناسب. وتعني خطوط تركيب أعلى أو أدنى من سعر السوق أن جميع المتوسطات المتحركة هي مؤشرات متخلفة. وتستخدم أساسا للاتجاهات التالية. انهم لا يعملون بشكل جيد مع الأسواق مجموعة وفترات الازدحام لأن خطوط المناسب تفشل في دلالة على الاتجاه بسبب عدم وجود ارتفاع أعلى واضح أو أدنى مستوياته الدنيا. بالإضافة إلى ذلك، تميل خطوط المناسب إلى أن تبقى ثابتة دون تلميح الاتجاه. ارتفاع خط المناسب أسفل السوق يدل على فترة طويلة، في حين أن خط السقوط المناسب فوق السوق يعني قصيرة. (للحصول على دليل كامل، اقرأ برنامجنا التعليمي المتوسط ​​المتحرك). إن الغرض من استخدام متوسط ​​متحرك بسيط هو تحديد وقياس الاتجاهات عن طريق تمهيد البيانات باستخدام وسائل عدة مجموعات من الأسعار. يتم رصد اتجاه واستقراء إلى توقعات. الافتراض هو أن تحركات الاتجاه السابقة سوف تستمر. بالنسبة للمتوسط ​​المتحرك البسيط، يمكن العثور على اتجاه طويل الأمد واتباعه أسهل بكثير من المتوسط ​​المتحرك، مع افتراض معقول بأن خط التركيب سيكون أقوى من خط إما بسبب التركيز الأطول على الأسعار المتوسطة. يستخدم إما لالتقاط حركة الاتجاه أقصر، وذلك بسبب التركيز على أحدث الأسعار. وبهذه الطريقة، من المفترض أن تقلل إما من أي تأخيرات في المتوسط ​​المتحرك البسيط، لذلك فإن خط التركيب سيعزز الأسعار أقرب من المتوسط ​​المتحرك البسيط. المشكلة مع إما هي: عرضة للكسر الأسعار، وخاصة خلال الأسواق السريعة وفترات من التقلب. و إما تعمل بشكل جيد حتى كسر الأسعار خط المناسب. خلال أسواق التقلبات المرتفعة، يمكنك التفكير في زيادة طول فترة المتوسط ​​المتحرك. يمكن للمرء أن يتحول حتى من إما إلى سما، منذ سما ينسخ البيانات أفضل بكثير من إما بسبب تركيزه على وسائل طويلة الأجل. مؤشرات التوجھ التالیة: المؤشرات المتخلفة، المتوسطات المتحركة تخدم بشكل جيد كخطوط الدعم والمقاومة. في حالة كسر األسعار دون خط تركيب لمدة 10 أيام في اتجاه تصاعدي، فإن هناك احتماالت بأن االتجاه التصاعدي قد يتراجع، أو على األقل قد يكون السوق متوطنا. في حالة كسر الأسعار فوق المتوسط ​​المتحرك ل 10 أيام في اتجاه هبوطي. فإن الاتجاه قد يتراجع أو يتدعم. في هذه الحالات، استخدم المتوسط ​​المتحرك لمدة 10 و 20 يوما معا، وانتظر خط العشرة أيام للعبور فوق أو أسفل خط 20 يوما. وهذا يحدد الاتجاه القصير الأجل التالي للأسعار. لفترات أطول، مشاهدة المتوسطات المتحركة 100- و 200 يوم للاتجاه على المدى الطويل. على سبيل المثال، باستخدام المتوسطات المتحركة 100 و 200 يوم، إذا كان المتوسط ​​المتحرك 100 يوم يعبر دون المتوسط ​​200 يوم، وهو ما يسمى الصليب الموت. وهو هبوطي جدا للأسعار. ويطلق على المتوسط ​​المتحرك 100 يوم الذي يعبر فوق المتوسط ​​المتحرك لمدة 200 يوم الصليب الذهبي. وهو صاعد جدا للأسعار. لا يهم إذا تم استخدام سما أو إما، لأن كلا من المؤشرات التالية الاتجاه. فقط على المدى القصير أن سما لديها انحرافات طفيفة عن نظيره، إما. الاستنتاج المتوسطات المتحركة هي أساس تحليل الرسم البياني والسلاسل الزمنية. المتوسطات المتحركة البسيطة والمتوسطات المتحركة الأسية الأكثر تعقيدا تساعد على تصور الاتجاه من خلال تمهيد حركة الأسعار. ويشير التحليل الفني أحيانا إلى الفن بدلا من العلم، وكلاهما يستغرق سنوات لإتقان. (مزيد من المعلومات في برنامج التحليل الفني.) مقياس للعلاقة بين التغير في الكمية المطلوبة من سلعة معينة وتغير في سعرها. السعر. إجمالي القيمة السوقية للدولار لكل من أسهم الشركة المعلقة. يتم احتساب القيمة السوقية عن طريق الضرب. فريكسيت قصيرة ل كوتشيفيش إكسيتكوت هو الفرنسية سبينوف من بريكسيت المدى، التي برزت عندما صوتت المملكة المتحدة ل. أمر وضعها مع وسيط يجمع بين ملامح وقف النظام مع تلك من أجل الحد. أمر وقف الحد سوف. جولة من التمويل حيث المستثمرين شراء الأسهم من شركة في تقييم أقل من التقييم وضعت على. نظرية اقتصادية للإنفاق الكلي في الاقتصاد وآثاره على الإنتاج والتضخم. وقد تم تطوير الاقتصاد الكينزي. العمل الموسمية - النسبة المئوية لمتوسط ​​الطلب ربع السنوي الذي يحدث في كل ربع سنة. ومن المتوقع أن تبلغ التوقعات السنوية للسنة الرابعة 400 وحدة. متوسط ​​التوقعات لكل ربع سنة هو 4004 100 وحدة. توقعات ربع سنوية أفغ. توقع عامل موسمي. طرق التنبؤ المسببة تعتمد طرق التنبؤ السببية على علاقة معروفة أو متصورة بين العامل المطلوب التنبؤ به والعوامل الخارجية أو الداخلية الأخرى 1. الانحدار: ترتبط المعادلة الرياضية لمتغير تابع لمتغير مستقل واحد أو أكثر يعتقد أنه يؤثر على المتغير التابع 2 - نماذج الاقتصاد القياسي: نظام معادلات الانحدار المترابطة التي تصف بعض قطاعات النشاط الاقتصادي 3 - نماذج المدخلات والمخرجات: تصف التدفقات من قطاع من قطاعات الاقتصاد إلى أخرى، وتتوقع بالتالي المدخلات اللازمة لإنتاج مخرجات في قطاع آخر 4. نمذجة المحاكاة قياس أخطاء الخطأ هناك نوعان من جوانب أخطاء التنبؤ التي يجب أن تكون قلقة بشأن التحيز والتحيز الدقة - إن التوقعات متحيزة إذا كانت أكثر في اتجاه واحد أكثر من غيرها - الطريقة تميل إلى تنبؤات أقل أو توقعات مفرطة. الدقة - تشير دقة التنبؤ إلى مسافة التنبؤات من الطلب الفعلي تتجاهل اتجاه ذلك الخطأ. على سبيل المثال: بالنسبة لتوقعات الفترات الست والطلب الفعلي تم تعقب الجدول التالي يعطي الطلب الفعلي D t والطلب المتوقع F t لمدة ست فترات: المجموع التراكمي لأخطاء التنبؤ (كف) -20 الانحراف المطلق المتوسط ​​170 6 28.33 متوسط ​​التربيع (مس) 5150 6 858.33 الانحراف المعياري لأخطاء التنبؤ 5150 6 29.30 متوسط ​​الخطأ المطلق في النسبة المئوية (ماب) 83.4 6 13.9 ما هي المعلومات التي يعطيها كل من التنبؤات ميلا إلى الإفراط في تقدير متوسط ​​الخطأ في الطلب لكل توقع 28.33 وحدة أو 13.9 والتوزيع الفعلي أخذ العينات الطلب من أخطاء التنبؤ لديه الانحراف المعياري من 29.3 وحدة. معايير اختيار طريقة التنبؤ الأهداف: 1. تعظيم الدقة و 2. تقليل القواعد المحتملة التحيز لاختيار طريقة التنبؤ السلاسل الزمنية. حدد الطريقة التي تعطي أصغر تحيز، مقاسة بخطأ التنبؤ التراكمي (كف) أو تعطي أصغر متوسط ​​انحراف مطلق (ماد) أو تعطي أصغر إشارة تتبع أو تدعم معتقدات الإدارة حول النمط الأساسي للطلب أو غيرها. ويبدو واضحا أنه ينبغي استخدام قدر من الدقة والتحيز معا. كيف ماذا عن عدد الفترات التي يجب أخذ عينات منها إذا كان الطلب مستقر بطبيعته وقيم منخفضة وقيم أعلى من N مقترحة إذا كان الطلب غير مستقر بطبيعته وقيم عالية وقيم أقل من N واقترح التركيز فوكوس التنبؤ كوتفوكوس يشير إلى وهو نهج للتنبؤ بتطوير التنبؤات من تقنيات مختلفة، ثم يختار التوقعات التي تم إنتاجها من قبل كوبيستكوت من هذه التقنيات، حيث يتم تحديد كوبيستكوت من قبل بعض قياس الخطأ التنبؤ. التركيز على التوقعات: مثال بالنسبة للأشهر الستة الأولى من العام، كان الطلب على بند التجزئة 15 و 14 و 15 و 17 و 19 و 18 وحدة. ويستخدم بائع التجزئة نظاما للتنبؤ بالتركيز يستند إلى أسلوبين للتنبؤ هما: المتوسط ​​المتحرك لفترة زمنية واحدة، ونموذج تمهيد أسي معدل بقياس 0.1 و 0.1. مع النموذج الأسي، كانت التوقعات لشهر يناير 15 وكان متوسط ​​الاتجاه في نهاية ديسمبر 1. يستخدم بائع التجزئة المتوسط ​​الانحراف المطلق (ماد) خلال الأشهر الثلاثة الماضية كمعيار لاختيار النموذج الذي سيتم استخدامه للتنبؤ للشهر المقبل. ا. ما هي التوقعات لشهر يوليو والذي سيتم استخدام النموذج ب. هل ستجيب على الجزء أ. تكون مختلفة إذا كان الطلب على مايو كان 14 بدلا من 19 المتوسط ​​المتوسط ​​ونماذج التمهيد الأسي كخطوة أولى في التحرك خارج النماذج المتوسطة ونماذج المشي العشوائي ونماذج الاتجاه الخطي، يمكن استنباط الأنماط والاتجاهات غير التقليدية باستخدام المتوسط ​​المتحرك أو نموذج تمهيد. الافتراض الأساسي وراء المتوسطات ونماذج التمهيد هو أن السلاسل الزمنية ثابتة محليا بمتوسط ​​متغير ببطء. وبالتالي، فإننا نأخذ متوسطا متحركا (محلي) لتقدير القيمة الحالية للمتوسط ​​ومن ثم استخدامه كمؤشر للمستقبل القريب. ويمكن اعتبار ذلك بمثابة حل توفيقي بين النموذج المتوسط ​​ونموذج المشي العشوائي بدون الانجراف. ويمكن استخدام نفس الاستراتيجية لتقدير الاتجاه المحلي واستقراءه. وعادة ما يطلق على المتوسط ​​المتحرك نسخة كوتسموثيدكوت من السلسلة الأصلية لأن المتوسط ​​على المدى القصير له تأثير على إزالة المطبات في السلسلة الأصلية. من خلال تعديل درجة التمهيد (عرض المتوسط ​​المتحرك)، يمكننا أن نأمل في ضرب نوع من التوازن الأمثل بين أداء المتوسط ​​و نماذج المشي العشوائي. أبسط نوع من نموذج المتوسط ​​هو. المتوسط ​​المتحرك البسيط (بالتساوي المرجح): تقدر قيمة قيمة Y في الوقت t1 التي يتم إجراؤها في الوقت t بالمتوسط ​​البسيط لآخر ملاحظات m: (هنا وفي مكان آخر سأستخدم الرمز 8220Y-hat8221 للوقوف للتنبؤ بالسلسلة الزمنية Y التي أجريت في أقرب موعد ممكن من قبل نموذج معين.) ويتركز هذا المتوسط ​​في الفترة t - (m1) 2، مما يعني أن تقدير المتوسط ​​المحلي سوف تميل إلى التخلف عن الحقيقة قيمة المتوسط ​​المحلي بنحو (m1) فترتين. وبالتالي، نقول أن متوسط ​​عمر البيانات في المتوسط ​​المتحرك البسيط هو (m1) 2 بالنسبة إلى الفترة التي يتم فيها احتساب التوقعات: هذا هو مقدار الوقت الذي تميل التنبؤات إلى التخلف عن نقاط التحول في البيانات . على سبيل المثال، إذا كنت تقوم بحساب متوسط ​​القيم الخمس الأخيرة، فإن التوقعات ستكون حوالي 3 فترات متأخرة في الاستجابة لنقاط التحول. ويلاحظ أنه في حالة M1، فإن نموذج المتوسط ​​المتحرك البسيط (سما) يساوي نموذج المشي العشوائي (بدون نمو). وإذا كانت m كبيرة جدا (مماثلة لطول فترة التقدير)، فإن نموذج سما يعادل النموذج المتوسط. وكما هو الحال مع أي معلمة لنموذج التنبؤ، من العرفي أن تعدل قيمة k من أجل الحصول على أفضل قيمة ممكنة للبيانات، أي أصغر أخطاء التنبؤ في المتوسط. وفيما يلي مثال لسلسلة يبدو أنها تظهر تقلبات عشوائية حول متوسط ​​متغير ببطء. أولا، يتيح محاولة لتناسب ذلك مع نموذج المشي العشوائي، وهو ما يعادل متوسط ​​متحرك بسيط من 1 مصطلح: نموذج المشي العشوائي يستجيب بسرعة كبيرة للتغيرات في هذه السلسلة، ولكن في ذلك يفعل ذلك يختار الكثير من كوتنويسكوت في البيانات (التقلبات العشوائية) وكذلك كوتسيغنالكوت (المتوسط ​​المحلي). إذا حاولنا بدلا من ذلك متوسط ​​متحرك بسيط من 5 مصطلحات، نحصل على مجموعة أكثر سلاسة من التوقعات: المتوسط ​​المتحرك البسيط لمدة 5 سنوات ينتج أخطاء أقل بكثير من نموذج المشي العشوائي في هذه الحالة. متوسط ​​عمر البيانات في هذه التوقعات هو 3 ((51) 2)، بحيث تميل إلى التخلف عن نقاط التحول بنحو ثلاث فترات. (على سبيل المثال، يبدو أن الانكماش قد حدث في الفترة 21، ولكن التوقعات لا تتحول حتى عدة فترات في وقت لاحق). لاحظ أن التوقعات على المدى الطويل من نموذج سما هي خط مستقيم أفقي، تماما كما في المشي العشوائي نموذج. وبالتالي، يفترض نموذج سما أنه لا يوجد اتجاه في البيانات. ومع ذلك، في حين أن التنبؤات من نموذج المشي العشوائي هي ببساطة مساوية للقيمة الملاحظة الأخيرة، والتنبؤات من نموذج سما يساوي المتوسط ​​المرجح للقيم الأخيرة. إن حدود الثقة المحسوبة من قبل ستاتغرافيكس للتنبؤات طويلة الأجل للمتوسط ​​المتحرك البسيط لا تتسع مع زيادة أفق التنبؤ. ومن الواضح أن هذا غير صحيح لسوء الحظ، لا توجد نظرية إحصائية أساسية تخبرنا كيف يجب أن تتسع فترات الثقة لهذا النموذج. ومع ذلك، ليس من الصعب جدا حساب التقديرات التجريبية لحدود الثقة للتنبؤات الأطول أجلا. على سبيل المثال، يمكنك إعداد جدول بيانات سيتم فيه استخدام نموذج سما للتنبؤ بخطوتين إلى الأمام، و 3 خطوات إلى الأمام، وما إلى ذلك ضمن عينة البيانات التاريخية. يمكنك بعد ذلك حساب الانحرافات المعيارية للعينة في كل أفق للتنبؤ، ومن ثم بناء فترات ثقة للتنبؤات الأطول أجلا عن طريق جمع وطرح مضاعفات الانحراف المعياري المناسب. إذا حاولنا متوسط ​​متحرك بسيط لمدة 9 سنوات، نحصل على توقعات أكثر سلاسة وأكثر تأثيرا متخلفا: متوسط ​​العمر هو الآن 5 فترات ((91) 2). إذا أخذنا متوسط ​​متحرك لمدة 19 عاما، فإن متوسط ​​العمر يزيد إلى 10: لاحظ أن التوقعات تتخلف الآن عن نقاط التحول بنحو 10 فترات. أي كمية من التجانس هو الأفضل لهذه السلسلة هنا جدول يقارن إحصاءات الخطأ، بما في ذلك أيضا متوسط ​​3 المدى: نموذج C، المتوسط ​​المتحرك لمدة 5 سنوات، ينتج أقل قيمة رمز بهامش صغير على 3 المتوسطات و 9-المدى، وإحصاءاتهم الأخرى متطابقة تقريبا. لذلك، من بين نماذج مع إحصاءات الخطأ مشابهة جدا، يمكننا أن نختار ما إذا كنا نفضل استجابة أكثر قليلا أو أكثر قليلا نعومة في التوقعات. (العودة إلى أعلى الصفحة.) براونز بسيط الأسي تمهيد (المتوسط ​​المتحرك المرجح أضعافا) نموذج المتوسط ​​المتحرك البسيط المذكورة أعلاه لديه الخاصية غير المرغوب فيها أنه يعامل الملاحظات k الماضية بالتساوي تماما ويتجاهل جميع الملاحظات السابقة. بشكل حدسي، يجب أن يتم خصم البيانات السابقة بطريقة أكثر تدرجية - على سبيل المثال، يجب أن تحصل على الملاحظة الأخيرة أكثر قليلا من الوزن الثاني من أحدث، و 2 أحدث يجب الحصول على وزن أكثر قليلا من 3 أحدث، و هكذا. نموذج التمهيد الأسي بسيط (سيس) يحقق هذا. اسمحوا 945 تدل على كونتسموثينغ كونستانتكوت (عدد بين 0 و 1). طريقة واحدة لكتابة النموذج هو تعريف سلسلة L التي تمثل المستوى الحالي (أي القيمة المتوسطة المحلية) من السلسلة كما يقدر من البيانات حتى الوقت الحاضر. يتم حساب قيمة L في الوقت t بشكل متكرر من قيمته السابقة مثل هذا: وهكذا، فإن القيمة الملساء الحالية هي الاستكمال الداخلي بين القيمة الملساء السابقة والمراقبة الحالية، حيث 945 تسيطر على التقارب من قيمة محرف إلى الأحدث الملاحظة. التوقعات للفترة القادمة هي ببساطة القيمة الملساء الحالية: على نحو مماثل، يمكننا التعبير عن التوقعات القادمة مباشرة من حيث التوقعات السابقة والملاحظات السابقة، في أي من الإصدارات المكافئة التالية. في النسخة الأولى، والتنبؤ هو الاستيفاء بين التوقعات السابقة والملاحظة السابقة: في النسخة الثانية، ويتم الحصول على التوقعات القادمة عن طريق ضبط التوقعات السابقة في اتجاه الخطأ السابق من قبل كمية كسور 945. هو الخطأ المحرز في الوقت t. أما في النسخة الثالثة، فإن التنبؤ هو المتوسط ​​المتحرك المرجح ألسعاره (أي مخفضة) مع عامل الخصم 1- 945: إصدار الاستكمال الداخلي لصيغة التنبؤ هو أبسط الاستخدام إذا كنت تنفذ النموذج على جدول بيانات: خلية واحدة ويحتوي على مراجع الخلية مشيرا إلى التوقعات السابقة، الملاحظة السابقة، والخلية حيث يتم تخزين قيمة 945. لاحظ أنه إذا كان 945 1، فإن نموذج سيس يساوي نموذج المشي العشوائي (بدون نمو). وإذا كان 945 0، فإن نموذج سيس يعادل النموذج المتوسط، على افتراض أن القيمة الملساء الأولى موضوعة تساوي المتوسط. (العودة إلى أعلى الصفحة). يبلغ متوسط ​​عمر البيانات في توقعات التمهيد الأسي البسيط 945 1 بالنسبة للفترة التي يتم فيها حساب التوقعات. (وهذا ليس من المفترض أن يكون واضحا، ولكن يمكن بسهولة أن تظهر من خلال تقييم سلسلة لانهائية). وبالتالي، فإن متوسط ​​المتوسط ​​المتحرك بسيط يميل إلى التخلف عن نقاط التحول بنحو 1 945 فترات. على سبيل المثال، عندما يكون 945 0.5 الفارق الزمني هو فترتين عندما يكون 945 0.2 الفارق الزمني هو 5 فترات عندما يكون 945 0.1 الفارق الزمني هو 10 فترات، وهكذا. وبالنسبة إلى متوسط ​​عمر معين (أي مقدار التأخير)، فإن توقعات التمهيد الأسي البسيط تفوق إلى حد ما توقعات المتوسط ​​المتحرك البسيط (سما) لأنها تضع وزنا أكبر نسبيا على الملاحظة الأخيرة - أي. هو أكثر قليلا كوريبرسونسيفكوت إلى التغييرات التي تحدث في الماضي القريب. على سبيل المثال، نموذج سما مع 9 شروط ونموذج سيس مع 945 0.2 على حد سواء لديها متوسط ​​عمر 5 للبيانات في توقعاتها، ولكن نموذج سيس يضع وزنا أكبر على القيم 3 الماضية مما يفعل نموذج سما وفي في الوقت نفسه فإنه don8217t تماما 8220forget8221 حول قيم أكثر من 9 فترات القديمة، كما هو مبين في هذا المخطط: ميزة أخرى هامة من نموذج سيس على نموذج سما هو أن نموذج سيس يستخدم معلمة تمهيد التي هي متغيرة باستمرار، لذلك يمكن بسهولة الأمثل باستخدام خوارزمية كوتسولفيركوت لتقليل متوسط ​​الخطأ التربيعي. وتبين القيمة المثلى ل 945 في نموذج سيس لهذه السلسلة 0.2961، كما هو مبين هنا: متوسط ​​عمر البيانات في هذا التنبؤ هو 10.2961 3.4 فترات، وهو ما يشبه متوسط ​​المتوسط ​​المتحرك البسيط لمدة 6. والتنبؤات الطويلة الأجل من نموذج الخدمة الاقتصادية والاجتماعية هي خط مستقيم أفقي. كما هو الحال في نموذج سما ونموذج المشي العشوائي دون نمو. ومع ذلك، لاحظ أن فترات الثقة التي يحسبها ستاتغرافيكس الآن تتباعد بطريقة معقولة المظهر، وأنها هي أضيق بكثير من فترات الثقة لنموذج المشي العشوائي. ويفترض نموذج سيس أن المسلسل إلى حد ما يمكن التنبؤ به أكثر من ذلك لا نموذج المشي العشوائي. نموذج سيس هو في الواقع حالة خاصة من نموذج أريما. وبالتالي فإن النظرية الإحصائية لنماذج أريما توفر أساسا سليما لحساب فترات الثقة لنموذج سيس. على وجه الخصوص، نموذج سيس هو نموذج أريما مع اختلاف واحد غير منطقي، وهو ما (1) المدى، وليس هناك مصطلح ثابت. والمعروف باسم كوتاريما (0،1،1) نموذج دون كونستانتكوت. معامل ما (1) في نموذج أريما يتوافق مع الكمية 1- 945 في نموذج سيس. على سبيل المثال، إذا كنت تناسب نموذج أريما (0،1،1) دون ثابت لسلسلة تحليلها هنا، فإن ما المقدرة (1) معامل تبين أن يكون 0.7029، وهو تقريبا تقريبا واحد ناقص 0.2961. ومن الممكن إضافة افتراض اتجاه خطي ثابت غير صفري إلى نموذج سيس. للقيام بذلك، مجرد تحديد نموذج أريما مع اختلاف واحد نونسونالونال و ما (1) المدى مع ثابت، أي أريما (0،1،1) نموذج مع ثابت. وعندئذ سيكون للتنبؤات الطويلة الأجل اتجاه يساوي متوسط ​​الاتجاه الذي لوحظ خلال فترة التقدير بأكملها. لا يمكنك القيام بذلك بالتزامن مع التعديل الموسمية، لأن خيارات التعديل الموسمية يتم تعطيل عند تعيين نوع النموذج إلى أريما. ومع ذلك، يمكنك إضافة اتجاه أسي ثابت على المدى الطويل إلى نموذج بسيط الأسي تمهيد (مع أو بدون تعديل موسمي) باستخدام خيار تعديل التضخم في إجراء التنبؤ. ويمكن تقدير معدل كوتينفلاتيونكوت المناسب (نسبة النمو) لكل فترة على أنها معامل الانحدار في نموذج الاتجاه الخطي المجهز بالبيانات بالتزامن مع تحول لوغاريتم طبيعي، أو يمكن أن يستند إلى معلومات مستقلة أخرى تتعلق باحتمالات النمو على المدى الطويل . (العودة إلى أعلى الصفحة). البني الخطي (أي مزدوج) تجانس الأسي نماذج سما ونماذج سيس تفترض أنه لا يوجد أي اتجاه من أي نوع في البيانات (التي عادة ما تكون موافق أو على الأقل ليست سيئة جدا لمدة 1- والتنبؤ بالمتابعة عندما تكون البيانات صاخبة نسبيا)، ويمكن تعديلها لإدراج اتجاه خطي ثابت كما هو مبين أعلاه. ماذا عن الاتجاهات على المدى القصير إذا كانت سلسلة يعرض معدل نمو متفاوت أو نمط دوري الذي يبرز بوضوح ضد الضوضاء، وإذا كان هناك حاجة للتنبؤ أكثر من 1 فترة المقبلة، ثم قد يكون تقدير الاتجاه المحلي أيضا قضية. ويمكن تعميم نموذج التمهيد الأسي البسيط للحصول على نموذج تمهيد أسي خطي (ليس) يحسب التقديرات المحلية لكل من المستوى والاتجاه. أبسط نموذج الاتجاه المتغير بمرور الوقت هو نموذج تمهيد الأسي الخطي براون، والذي يستخدم سلسلتين مختلفتين تمهيدهما تتمركزان في نقاط مختلفة من الزمن. وتستند صيغة التنبؤ إلى استقراء خط من خلال المركزين. (ويمكن مناقشة الشكل الأكثر تطورا من هذا النموذج، هولت 8217s أدناه). ويمكن التعبير عن شكل جبري من نموذج التجانس الأسي الخطي البني 8217s، مثل نموذج التجانس الأسي البسيط، في عدد من الأشكال المختلفة ولكن المكافئة. وعادة ما يعبر عن الشكل المعياري للنموذج من هذا النموذج على النحو التالي: اسمحوا S تدل على سلسة سلسة السلسلة التي تم الحصول عليها عن طريق تطبيق تمهيد الأسي بسيط لسلسلة Y. وهذا هو، يتم إعطاء قيمة S في الفترة t من قبل: (أذكر أنه تحت بسيطة الأسفل، وهذا سيكون التنبؤ ل Y في الفترة t1.) ثم اسمحوا سكوت تدل على سلسلة مضاعفة مضاعفة التي تم الحصول عليها من خلال تطبيق التمهيد الأسي بسيطة (باستخدام نفس 945) لسلسلة S: وأخيرا، والتوقعات ل تك تك. عن أي kgt1، تعطى بواسطة: هذه الغلة e 1 0 (أي الغش قليلا، والسماح للتوقعات الأولى تساوي الملاحظة الأولى الفعلية)، و e 2 Y 2 8211 Y 1. وبعد ذلك يتم توليد التنبؤات باستخدام المعادلة أعلاه. وهذا يعطي نفس القيم المجهزة كالصيغة المستندة إلى S و S إذا كانت الأخيرة قد بدأت باستخدام S 1 S 1 Y 1. يستخدم هذا الإصدار من النموذج في الصفحة التالية التي توضح مجموعة من التجانس الأسي مع التعديل الموسمية. هولت 8217s الخطي الأسي تمهيد البني 8217s نموذج ليس يحسب التقديرات المحلية من المستوى والاتجاه من خلال تمهيد البيانات الأخيرة، ولكن حقيقة أنه يفعل ذلك مع معلمة تمهيد واحد يضع قيدا على أنماط البيانات التي هي قادرة على تناسب: المستوى والاتجاه لا يسمح لها أن تختلف بمعدلات مستقلة. ويعالج نموذج هولت 8217s ليس هذه المسألة عن طريق تضمين اثنين من الثوابت تمهيد، واحدة للمستوى واحد للاتجاه. في أي وقت t، كما هو الحال في نموذج Brown8217s، هناك تقدير ل t من المستوى المحلي وتقدير t ر للاتجاه المحلي. وهنا يتم حسابها بشكل متكرر من قيمة Y الملاحظة في الوقت t والتقديرات السابقة للمستوى والاتجاه من خلال معادلتين تنطبقان على تمهيد أسي لها بشكل منفصل. وإذا كان المستوى المقدر والاتجاه في الوقت t-1 هما L t82091 و T t-1. على التوالي، فإن التنبؤ ب Y تشي الذي كان سيجري في الوقت t-1 يساوي L t-1 T t-1. وعند ملاحظة القيمة الفعلية، يحسب التقدير المحدث للمستوى بصورة متكررة بالاستكمال الداخلي بين Y تشي وتوقعاته L t-1 T t-1 باستعمال أوزان 945 و1-945. والتغير في المستوى المقدر، وهي L t 8209 L t82091. يمكن تفسيرها على أنها قياس صاخبة للاتجاه في الوقت t. ثم يتم حساب التقدير المحدث للاتجاه بشكل متكرر عن طريق الاستكمال الداخلي بين L t 8209 L t82091 والتقدير السابق للاتجاه T t-1. وذلك باستخدام أوزان 946 و 1-946: تفسير ثابت ثابت تمهيد 946 مماثل لتلك التي من 9500 تمهيد مستوى ثابت. نماذج ذات قيم صغيرة من 946 نفترض أن الاتجاه يتغير ببطء شديد مع مرور الوقت، في حين أن النماذج مع أكبر 946 تفترض أنها تتغير بسرعة أكبر. ويعتقد نموذج مع كبير 946 أن المستقبل البعيد غير مؤكد جدا، لأن الأخطاء في تقدير الاتجاه تصبح مهمة جدا عند التنبؤ أكثر من فترة واحدة المقبلة. (العودة إلى أعلى الصفحة). ويمكن تقدير ثوابت التنعيم 945 و 946 بالطريقة المعتادة من خلال تقليل الخطأ المتوسط ​​التربيعي للتنبؤات ذات الخطوة الأولى. عندما يتم ذلك في ستاترافيكس، وتظهر التقديرات إلى أن 945 0.3048 و 946 0.008. القيمة الصغيرة جدا 946 تعني أن النموذج يفترض تغير طفيف جدا في الاتجاه من فترة إلى أخرى، وذلك أساسا هذا النموذج هو محاولة لتقدير الاتجاه على المدى الطويل. وبالمقارنة مع فكرة متوسط ​​عمر البيانات المستخدمة في تقدير المستوى المحلي للسلسلة، فإن متوسط ​​عمر البيانات المستخدمة في تقدير الاتجاه المحلي يتناسب مع 1 946، وإن لم يكن يساويها بالضبط . في هذه الحالة تبين أن تكون 10.006 125. هذا هو 8217t عدد دقيق جدا بقدر دقة تقدير 946 isn8217t حقا 3 المنازل العشرية، ولكن من نفس الترتيب العام من حيث حجم العينة من 100، لذلك هذا النموذج هو المتوسط ​​على مدى الكثير جدا من التاريخ في تقدير هذا الاتجاه. ويبين مخطط التنبؤ الوارد أدناه أن نموذج ليس يقدر اتجاه محلي أكبر قليلا في نهاية السلسلة من الاتجاه الثابت المقدر في نموذج سيترند. كما أن القيمة المقدرة ل 945 تكاد تكون مطابقة لتلك التي تم الحصول عليها من خلال تركيب نموذج سيس مع أو بدون اتجاه، لذلك هذا هو تقريبا نفس النموذج. الآن، هل هذه تبدو وكأنها توقعات معقولة لنموذج من المفترض أن يكون تقدير الاتجاه المحلي إذا كنت 8220eyeball8221 هذه المؤامرة، يبدو كما لو أن الاتجاه المحلي قد تحولت إلى أسفل في نهاية السلسلة ما حدث المعلمات من هذا النموذج قد تم تقديرها من خلال تقليل الخطأ المربعة للتنبؤات 1-خطوة إلى الأمام، وليس التنبؤات على المدى الطويل، في هذه الحالة لا يوجد 8217t الاتجاه الكثير من الفرق. إذا كان كل ما كنت تبحث في 1-خطوة قبل الأخطاء، كنت لا ترى الصورة الأكبر للاتجاهات أكثر (مثلا) 10 أو 20 فترات. من أجل الحصول على هذا النموذج أكثر في تناغم مع استقراء العين مقلة العين من البيانات، يمكننا ضبط ثابت الاتجاه تجانس يدويا بحيث يستخدم خط الأساس أقصر لتقدير الاتجاه. على سبيل المثال، إذا اخترنا تعيين 946 0.1، ثم متوسط ​​عمر البيانات المستخدمة في تقدير الاتجاه المحلي هو 10 فترات، وهو ما يعني أننا متوسط ​​متوسط ​​الاتجاه على مدى تلك الفترات 20 الماضية أو نحو ذلك. Here8217s ما مؤامرة توقعات يبدو وكأننا وضعنا 946 0.1 مع الحفاظ على 945 0.3. هذا يبدو معقولا بشكل حدسي لهذه السلسلة، على الرغم من أنه من المحتمل أن يستقضي هذا الاتجاه أي أكثر من 10 فترات في المستقبل. ماذا عن إحصائيات الخطأ هنا هو مقارنة نموذج للنموذجين المبينين أعلاه وكذلك ثلاثة نماذج سيس. القيمة المثلى 945. لنموذج سيس هو تقريبا 0.3، ولكن يتم الحصول على نتائج مماثلة (مع استجابة أكثر قليلا أو أقل، على التوالي) مع 0.5 و 0.2. (A) هولتس الخطي إكس. تمهيد مع ألفا 0.3048 وبيتا 0.008 (B) هولتس الخطية إكس. تمهيد مع ألفا 0.3 و بيتا 0.1 (C) تمهيد الأسي بسيط مع ألفا 0.5 (D) تمهيد الأسي بسيطة مع ألفا 0.3 (E) بسيطة الأسي تمهيد مع ألفا 0.2 احصائياتهم متطابقة تقريبا، لذلك نحن حقا يمكن 8217t جعل الاختيار على أساس من 1-خطوة قبل توقعات الأخطاء داخل عينة البيانات. وعلينا أن نعود إلى الاعتبارات الأخرى. إذا كنا نعتقد اعتقادا قويا أنه من المنطقي أن يستند تقدير الاتجاه الحالي على ما حدث على مدى السنوات ال 20 الماضية أو نحو ذلك، يمكننا أن نجعل من حالة لنموذج ليس مع 945 0.3 و 946 0.1. إذا أردنا أن نكون ملحدين حول ما إذا كان هناك اتجاه محلي، فإن أحد نماذج سيس قد يكون من الأسهل تفسيره، كما سيوفر المزيد من توقعات منتصف الطريق للفترات الخمس أو العشر القادمة. (العودة إلى أعلى الصفحة). أي نوع من الاستقراء هو الأفضل: أدلة أفقية أو خطية تشير إلى أنه إذا تم تعديل البيانات (إذا لزم الأمر) للتضخم، فقد يكون من غير الحكمة استقراء الخطي القصير الأجل الاتجاهات بعيدة جدا في المستقبل. إن الاتجاهات الواضحة اليوم قد تتراجع في المستقبل بسبب أسباب متنوعة مثل تقادم المنتج، وزيادة المنافسة، والانكماش الدوري أو التحولات في صناعة ما. لهذا السبب، تجانس الأسي بسيط غالبا ما يؤدي أفضل من خارج العينة مما قد يكون من المتوقع خلاف ذلك، على الرغم من كوتنيفيكوت الاتجاه الأفقي الاستقراء. وكثيرا ما تستخدم أيضا تعديلات الاتجاه المخفف لنموذج تمهيد الأسي الخطي في الممارسة العملية لإدخال ملاحظة المحافظة على توقعات الاتجاه. ويمكن تطبيق نموذج ليس المائل للاتجاه ليس كحالة خاصة لنموذج أريما، ولا سيما نموذج أريما (1،1،2). ومن الممكن حساب فترات الثقة حول التنبؤات طويلة الأجل التي تنتجها نماذج التمهيد الأسي، من خلال اعتبارها حالات خاصة لنماذج أريما. (حذار: لا تحسب جميع البرامج فترات الثقة لهذه النماذج بشكل صحيح). يعتمد عرض فترات الثقة على (1) خطأ رمز في النموذج، (2) نوع التجانس (بسيط أو خطي) (3) القيمة (ق) من ثابت ثابت (ق) و (4) عدد الفترات المقبلة كنت التنبؤ. بشكل عام، انتشرت الفترات بشكل أسرع مع 945 يحصل أكبر في نموذج سيس وانتشرت بشكل أسرع بكثير عندما يتم استخدام خطية بدلا من تجانس بسيط. ويناقش هذا الموضوع بمزيد من التفصيل في قسم نماذج أريما من الملاحظات. (العودة إلى أعلى الصفحة.)