Flytte gjennomsnittlige parametere. Bruk skjermbildet Konfigurer flytende gjennomsnittsparametere til å konfigurere parametere som er spesifikke for den flytende gjennomsnittsmalen. Med denne mal kan du bygge spørringer som beregner gjennomsnittsverdiene for utvalgte tiltak basert på angitte tidsperioder. Du bestemmer tidsperioder som skal beregnes, og du kan bruke resultatet til å analysere fortid eller prognose fremtidige resultater. Vanligvis er prognosene dine mer nøyaktige hvis du utfører gjennomsnittet over større tidsperioder. Dette kan behandle forretningsspørsmål som følgende. Hva er de gjennomsnittlige produksjons kostnadene for produktene A og B for Q2 og Q3, basert på de foregående fire månedene. Hovedseksjonene og kontrollene på denne skjermen er oppført i følgende tabell. Gjennomsnittlig gjennomsnitt av mål. Lister alle mål i kuben som spørringen er basert på. Velg mål for som du vil vise et bevegelige gjennomsnitt. Basert på antall periodes. Skriv inn antall tidsperioder som skal baseres på gjennomsnittet. Lister alle dimensjoner i c ube som spørringen er basert på. Velg dimensjonen som inneholder hierarkiet som skal vises i hierarkiet-feltet. Lister alle hierarkier i den valgte dimensjonen. Velg hierarkiet som inneholder nivået som skal vises i feltet Level. Lister alle nivåer i aktuelt valgt hierarki. Velg nivået som inneholder medlemmene du vil se i spørresultatet. Et glidende gjennomsnitt er en enkel teknikk for utjevning av tilfeldige data. Ofte finner vi bevegelige gjennomsnitt for å analysere bevegelse av aksjekursene, men vi ser dem også i andre forretningsområder og dataanalyse. Dette er den første delen av en serie med to artikler Denne artikkelen diskuterer hva som beveger gjennomsnitt og hvordan de beregnes Den andre delen ser på hvordan man implementerer flytende gjennomsnittlige beregninger i SAP BusinessObjects Web Intelligence. If du forstår allerede bevegelige gjennomsnitt du kan hoppe over til den andre artikkelen om hvordan du implementerer i Web Intelligence. Hva er Flytte Gjennomsnitt. Et bevegelige gjennomsnitt analyserer et sett av datapunkter ved å beregne et gjennomsnitt over et mindre sett med nyere datapunkter. For eksempel ved analyse av aksjekurs over et år kan vi generere et glidende gjennomsnitt som for en gitt dag er gjennomsnittet for de siste 15 dagene. Figur 1 nedenfor er et eksempel på et enkelt bevegelige gjennomsnitt generert med Google Finance Dette diagrammet viser Google s aksjekurs i løpet av det siste året, og den røde linjen er et glidende gjennomsnitt med en periode på 15 dager. Figur 1 av Google s aksjekurs med enkel glidende gjennomsnitt. Vi kan se fra eksempelet ovenfor at den bevegelige gjennomsnittlige røde linjen glatter ut den svingende aksjekursen. En funksjon av et bevegelige gjennomsnitt er at det ligger bak den opprinnelige kurven. Dette skyldes at hvert datapunkt det tar et gjennomsnitt av et sett med tidligere datapunkter. For en videre diskusjon om hvordan bevegelige gjennomsnittsverdier benyttes i finans, se Flytte gjennomsnitt på. Målet med å bruke et glidende gjennomsnitt er å redusere kortsiktige svingninger og for å markere langsiktige trender. Det finnes flere forskjellige typer av bevegelige gjennomsnitt og under ser vi hvordan vi beregner de vanligste eksemplene Etter dette vil vi se på hvordan å implementere disse beregningene i Web Intelligence. Simple Moving Average. A Simple Moving Average SMA som det sies at det er det enkleste å bevege seg gjennomsnitt for å beregne For hvert datapunkt beregner vi gjennomsnittet over et fast antall forrige datapunkter Tabellen nedenfor viser en slik beregning hvor vi bruker en SMA av periode 3.As vår perioden med vårt bevegelige gjennomsnittlige datasett er 3 vi ikke t beregne de to første datapunktene Deretter beregner vi for hvert datapunkt gjennomsnittet over de tre siste datapunktene, inkludert det nåværende datapunktet. Når vi beregner gjennomsnittet, legges den siste verdien til summen, og den første verdien faller ut, vi kan forenkle vår beregning til. Hvor SMA tidligere er resultatet vi tidligere har beregnet, er N størrelsen på det bevegelige gjennomsnittlige datasettet, p1 er den første verdien i settet vårt og pN er den siste verdien av settet. en SMA er at den behandler alle tidligere datapunkter i det bevegelige gjennomsnittssettet like, og så kan vi oppdage at eldre datapunkter kan påvirke beregningen negativt. For å adressere dette kan vi bruke vektede eller eksponentielle glidende gjennomsnitt. Veidegående gjennomsnitt. Et vektet glidende gjennomsnitt WMA bruker vekter til datapunktene i det bevegelige gjennomsnittssettet slik at nyere datapunkter har større betydning for det totale resultatet. Det er flere måter vi kan bruke vekt på, og det enkleste er å bruke et fallende sett med vekter, for eksempel hvis vi ha et flytende gjennomsnittlig datasett med 6 datapunkter, så er våre vekter 6,5,4,3,2,1 påført fra de nyeste dataene tidligst. Vår beregning er litt mer kompleks og for et glidende gjennomsnittlig datasett av størrelse 6 er det. Så her er p6 vår nåværende verdi og vi multipliserer dette med 6, vi legger deretter til 5 ganger forrige verdi, 4 ganger verdien før det og så videre Vi deler deretter dette med 6 6 1 2 Dette er beregningen for et trekantet tall og Wikipedia h som en forklaring på hvordan dette er avledet. Tabellen nedenfor illustrerer beregningen av et WMA i periode 3 for det samme datasettet vi brukte i SMA-eksemplet ovenfor. Eksponentiell flytende gjennomsnitt. En eksponentiell glidende gjennomsnittlig EMA bruker et eksponentielt avtagende sett av vekter I WMA over våre vekter redusert lineært, reduseres et eksponentielt avtagende sett av vekter raskt først og deretter svinger av Hvis vi produserer en graf av disse vekter, vil det se ut som figur 2 nedenfor. Figur 2 Figur 2 gir mer vekt til nyere verdier enn et WMA, og det har også den ytterligere fordelen av å bli lettere beregnet. For å beregne en EMA tar vi den forrige EMA-verdien og legger til forskjellen mellom gjeldende datapunktsverdi og den forrige EMA multiplisert med en konstant alfa. Den konstante alfa representerer skalaen av vekting minker og er en verdi mellom 0 og 1 Endring av denne verdien endrer mengden av total utjevning der verdiene nærmer seg null gjelder en høy grad av utjevning og verdier nærmere 1 produserer mindre Figuren nedenfor bruker de samme datapunktene, men viser en EMA med verdi 0 7 og 0 1.Figur 3 to diagrammer viser samme kildedata med et eksponentielt glidende gjennomsnitt ved å bruke forskjellige verdier av alfa. I våre beregninger bruker vi bare EMA fra tredje datapunkt og videre for det første datapunktet som er vanlig for å sette dette til 0 eller ingen verdi, og for 2: e datapunktet setter vi verdien til å være lik verdien av 2 nd datapunktet. Tabellen under er beregningen av EMA for vårt eksempeldatasett ved hjelp av en alfa-verdi på 0 4. Den forrige artikkelen så på hvilke bevegelige gjennomsnitt som er og hvordan å beregne dem. Denne artikkelen ser nå på hvordan man skal implementere disse i Web Intelligence. Formelen som brukes her er kompatibel med XIr3-versjonen av SAP BOE, men noen formel kan fungere i tidligere versjoner hvis tilgjengelig. Vi vil begynne med å se på hvordan du kan beregne et enkelt glidende gjennomsnitt før du ser på vektede og eksponentielle former. Arbeidte eksempler. Eksemplene under alle bruker samme datasett som er av aksjekursdata i en Excel-fil som du kan laste ned. Den første kolonnen i filen er aksjekursens dag og deretter kolonner av åpningspris, høyeste pris på dagen , laveste pris, sluttkurs, volum og justert sluttkurs Vi vil bruke sluttkurs i analysen nedenfor sammen med Date object. Simple Moving Average. There er et par måter som vi kan beregne enkle glidende gjennomsnitt på. Et alternativ er å bruke Forrige-funksjonen for å få verdien av en tidligere rad For eksempel beregner følgende formel et flytende gjennomsnitt på vår sluttkurs for et flytende gjennomsnittlig datasett med størrelse 3. Dette er ganske enkel formel, men det er åpenbart at det ikke er praktisk når det gjelder vi har et stort antall perioder her vi kan bruke RunningSum formel og for et datasett av størrelse N vi har. Endelig har vi en tredje teknikk. Selv om det er mer komplisert, kan det ha bedre ytelse som det beregner ny verdi basert på forrige verdi i stedet for to løpende summer over hele datasettet. Denne formelen fungerer bare etter Nth-punktet i det generelle datasettet, og siden det refererer til en tidligere verdi, må vi også sette en startverdi. Nedenfor er den fulle formelen brukt til vår aksjekursanalyse hvor vår bevegelige gjennomsnittlige periode er 15 dager. Datoen 1 25 2010 er det 15. datapunktet i vårt datasett, og så beregner vi for dette punkt et normalt gjennomsnitt ved hjelp av RunningSum For alle datoer utover denne verdien bruker vi vår SMA-formel og vi legger blanke alle datoer før denne datoen. Figur 1 nedenfor er et diagram i Web Intelligence som viser våre aksjekursdata med et enkelt bevegelige gjennomsnitt. Figur 1 Web Intelligence Document viser et enkelt, flytende gjennomsnitt. vektet glidende gjennomsnittlig formel med en periode på 3 er. Som med vår første enkle glidende gjennomsnittlige formel over dette er bare praktisk for et lite antall perioder. Jeg har ennå ikke klart å finne en enkel formel som kan være brukt til større bevegelige gjennomsnittsperioder Matematisk er det mulig, men begrensninger med Web Intelligence betyr at disse formlene ikke konverterer Hvis noen kan gjøre dette, vil jeg gjerne høre. Figuren under er et WMA i periode 6 implementert i Web Intelligence. Figure 2 Web Intelligence-dokument av et vektet Moving Average. Exponential Moving Average. En eksponentiell glidende gjennomsnitt er ganske rett fremover for å implementere i Web Intelligence, og det er et passende alternativ til et veidende flytende gjennomsnitt. Den grunnleggende formelen er. Her har vi hardt kodet 0 3 som vår verdi for alfa Vi bruker bare denne formelen for perioder som er større enn vår andre periode, så vi kan bruke en if-setning for å filtrere disse ut. I vår første og andre periode kan vi bruke den forrige verdien og så er vår endelige formel for EMA. er et eksempel på en EMA som er brukt på våre lagerdata. Figur 3 Web Intelligence-dokument viser en eksponentiell Moving Average. Input Controls. As vår EMA formel ikke stole på størrelsen på bevegelsen gjennomsnittlig periode og vår eneste variabel er alfa. Vi kan bruke Input Controls for å la brukeren justere verdien av alfa. For å gjøre dette, opprett en ny variabel som heter alfa, og definer den s formel as. Update vår EMA formel to. Create en ny inngang kontroller å velge vår alfa-variabel som inngangskontrollrapportobjekt. Bruk en enkel glidebryter og angi følgende egenskaper. Når du er ferdig, bør du kunne flytte glidebryteren og umiddelbart se endringene i trendlinjen i diagrammet. Vi så på hvordan implementere tre typer bevegelige gjennomsnitt i Web Intelligence, og selv om alt var mulig, er det eksponentielle flytende gjennomsnittet sannsynligvis det enkleste og mest fleksible. Jeg håper du fant denne artikkelen interessant, og som alltid er noen tilbakemelding veldig velkommen. Posnavigasjon. Gi et svar Avbryt svar . Du må være logget inn for å legge inn en kommentar. Trick for Weighted Moving Gjennomsnittlig WMA må du opprette en variabel som representerer tellerne av WMA, se Wikipedia for referanse. Dette bør se ut som followin g Forrige Selv n Lukk Forrige RunningSum Lukk Forrige RunningSum Lukk n 1 hvor n er antall perioder. Da vil den faktiske WMA s-formelen være som denne Numerator n n 1 2 hvor Numerator er variabelen du opprettet tidligere.
Comments
Post a Comment