الجيل 3 - الحركة - متوسط - صيغة

متوسط ​​التحرك في الجيل الثالث متوسط ​​معدل التحرك في الجيل الثالث مؤشر ميتاترادر ​​هو نسخة متقدمة من المتوسط ​​المتحرك القياسي (ما)، الذي ينفذ إجراء تخطيطي بسيط إلى حد ما يستند إلى فترة ما الأطول. وصفت هذه الطريقة لأول مرة من قبل M. درسشنر في مقاله غليتند دورششنيت 3.0 (باللغة الألمانية). النسخة المقدمة يستخدم لامدا 2. الذي يوفر أفضل قدر ممكن من التأخر في الحد. ارتفاع لامدا يزيد التشابه مع المتوسط ​​المتحرك الكلاسيكي. المؤشر متاح لكل من MT4 و MT5. فإنه لا يتطلب استخدام أي دل. معلمات الإدخال: مابيريود (الافتراضي 50) مداش فترة من المتوسط ​​المتحرك الجيل 3. مامثود (الافتراضي 1) طريقة مداش للمتوسط ​​المتحرك. 0 مداش سما، 1 مدش إما، 2 مدش سما، 3 مداش لوما. مابليدبريس (الافتراضي 5) مداش السعر المطبق للمتوسط ​​المتحرك. 0 مداش بريسيكلوس، 1 مداش برايسوبين، 2 مداش برايسيهي، 3 مداش بريسيلو، 4 مداش بريسمديان، 5 مداش بريسيتيبيكال، 6 مداش برايسويتد. كما ترى، الجيل الثالث ما (الخط الأحمر) تقدم تأخر أقل قليلا من إما التقليدي (الخط الأزرق) ويتفاعل مع التغيرات السعر بشكل أسرع. لسوء الحظ، فإنه لا يزال عرضة للتأخر وقد تنتج إشارات كاذبة. يمكنك استخدام مؤشر الفوركس المتوسط ​​المتحرك لجيل الجيل الثالث وهو نفس المتوسط ​​المتحرك القياسي المتوسط ​​لكسر اتجاه الاتجاه الحالي. يتم استخدام هذا المؤشر للتداول في المستشار الخبير قابل للتعديل ما 3G ل ميتاترادر. التنزيلات: مناقشة: حساب التنبؤ أمثلة A.1 أساليب حساب التوقعات تتوفر اثني عشر طرق لحساب التوقعات. معظم هذه الأساليب توفر مراقبة محدودة للمستخدم. على سبيل المثال، قد يتم تحديد الوزن الذي تم وضعه على البيانات التاريخية الحديثة أو النطاق الزمني للبيانات التاريخية المستخدمة في الحسابات. وتظهر الأمثلة التالية طريقة الحساب لكل طريقة من أساليب التنبؤ المتاحة، بالنظر إلى مجموعة متطابقة من البيانات التاريخية. وتستخدم الأمثلة التالية نفس بيانات المبيعات لعامي 2004 و 2005 لإنتاج توقعات مبيعات عام 2006. بالإضافة إلى حساب التنبؤات، يتضمن كل مثال توقعات عام 2005 المحاكية لفترة استبقاء مدتها ثلاثة أشهر (خيار المعالجة 19 3) والتي تستخدم بعد ذلك لنسبة من الدقة وتعني حسابات الانحراف المطلق (المبيعات الفعلية مقارنة بالتوقعات المحاكية). 2.A معايير تقييم الأداء المتوقعة اعتمادا على اختيارك لخيارات المعالجة وعلى الاتجاهات والأنماط الموجودة في بيانات المبيعات، فإن بعض أساليب التنبؤ ستؤدي أداء أفضل من غيرها بالنسبة لمجموعة بيانات تاريخية معينة. قد لا تكون طريقة التنبؤ المناسبة لمنتج واحد مناسبة لمنتج آخر. ومن غير المرجح أيضا أن تظل طريقة التنبؤ التي توفر نتائج جيدة في مرحلة واحدة من دورة حياة المنتجات ملائمة طوال دورة الحياة بأكملها. يمكنك الاختيار بين طريقتين لتقييم الأداء الحالي لطرق التنبؤ. وهي تعني الانحراف المطلق (ماد) ونسبة الدقة (بوا). يتطلب كل من أساليب تقييم الأداء هذه بيانات مبيعات تاريخية لمستخدم محدد الفترة الزمنية. وتسمى هذه الفترة من الزمن فترة الاستيعاب أو الفترات المناسبة (بف). وتستخدم البيانات في هذه الفترة كأساس لتوصية أي من أساليب التنبؤ التي ستستخدم في وضع توقعات التوقعات التالية. هذه التوصية خاصة بكل منتج، وقد تتغير من جيل واحد إلى آخر. وتظهر طرائق تقييم أداء التنبؤات في الصفحات التالية لأمثلة أساليب التنبؤ الإثني عشر. A.3 الطريقة 1 - النسبة المئوية المحددة خلال العام الماضي تضاعف هذه الطريقة بيانات المبيعات عن السنة السابقة بواسطة عامل محدد للمستخدم على سبيل المثال، 1.10 لزيادة 10، أو 0.97 ل 3 انخفاض. تاريخ المبيعات المطلوب: سنة واحدة لحساب التوقعات بالإضافة إلى العدد المحدد من الفترات الزمنية لتقييم أداء التنبؤ (خيار المعالجة 19). A.4.1 نطاق حساب التنبؤات من تاريخ المبيعات لاستخدامها في حساب عامل النمو (خيار المعالجة 2 أ) 3 في هذا المثال. مجموع الأشهر الثلاثة الأخيرة من عام 2005: 114 119 137 370 مجموع نفس الأشهر الثلاثة من العام السابق: 123 139 133 395 العامل المحسوب 370395 0.9367 حساب التوقعات: يناير 2005 المبيعات 128 0.9367 119.8036 أو حوالي 120 فبراير 2005 المبيعات 117 0.9367 109.5939 أو حوالي 110 مارس 2005 المبيعات 115 0.9367 107.7205 أو حوالي 108 A.4.2 حساب التوقعات المحسوبة بلغ ثلاثة أشهر من عام 2005 قبل فترة الاستحواذ (يوليو وأغسطس وسبتمبر): 129 140 131 400 اجمالي نفس الأشهر الثلاثة السنة السابقة: 141 128 118 387 المحسوب عامل 400387 1.033591731 حساب توقعات المحاكاة: أكتوبر 2004 المبيعات 123 1.033591731 127.13178 نوفمبر 2004 المبيعات 139 1.033591731 143.66925 ديسمبر 2004 المبيعات 133 1.033591731 137.4677 A.4.3 النسبة المئوية لحساب دقة الحساب (127.13178 143.66925 137.4677) (114 119 137) 100 408.26873 370 100 110.3429 A.4.4 حساب الانحراف المطلق (127.13178 - 114 143.66925 - 119 137.4677- 137) 3 (13.13178 24.66925 0.4677) 3 12.75624 A.5 الطريقة الثالثة - السنة الماضية لهذا العام تقوم هذه الطريقة بنسخ بيانات المبيعات من السنة السابقة إلى السنة التالية. تاريخ المبيعات المطلوب: سنة واحدة لحساب التوقعات بالإضافة إلى عدد الفترات الزمنية المحددة لتقييم أداء التنبؤ (خيار المعالجة 19). A.6.1 حساب التنبؤ عدد الفترات التي يتعين إدراجها في المتوسط ​​(خيار المعالجة 4 أ) 3 في هذا المثال بالنسبة لكل شهر من التوقعات، متوسط ​​بيانات الأشهر الثلاثة السابقة. توقعات كانون الثاني / يناير: 114 119 137 370، 370 3 123.333 أو 123 توقعات شباط / فبراير: 119 137 123 379، 379 3 126.333 أو توقعات 126 آذار / مارس: 137 123 126 379، 386 3 128.667 أو 129 ألف -6-2 حساب التوقعات المحاكاة مبيعات تشرين الأول / أكتوبر 2005 (129 140 131) 3 133.3333 تشرين الثاني / نوفمبر 2005 المبيعات (140 131 114) 3 128.3333 كانون الأول / ديسمبر 2005 المبيعات (131 114 119) 3 121.3333 ألف -6.3 النسبة المئوية لحساب حساب الدقة (133.3333 128.3333 121.3333) (114 119 137) 100 103.513 ألف -6.4 المتوسط ​​المطلق حساب الانحراف (133.3333 - 114 128.3333 - 119 121.3333 - 137) 3 14.7777 A.7 الطريقة 5 - التقريب الخطي يحسب التقريب الخطي اتجاها يستند إلى نقطتي بيانات تاريخ المبيعات. وتحدد هاتان النقطتان خط اتجاه مستقيمي متوقع في المستقبل. استخدم هذه الطريقة بحذر، حيث أن التوقعات طويلة المدى تستفيد من التغييرات الصغيرة في نقطتي بيانات فقط. تاريخ المبيعات المطلوب: عدد الفترات التي يجب تضمينها في الانحدار (خيار المعالجة 5 أ)، بالإضافة إلى 1 عدد الفترات الزمنية لتقييم أداء التنبؤ (خيار المعالجة 19). A.8.1 حساب التنبؤ عدد الفترات التي يجب تضمينها في الانحدار (خيار المعالجة 6 أ) 3 في هذا المثال بالنسبة لكل شهر من التوقعات، أضف الزيادة أو النقصان خلال الفترات المحددة قبل فترة الاستبقاء في الفترة السابقة. متوسط ​​األشهر الثالثة السابقة) 114 119 137 (3 123.3333 ملخص األشهر الثالثة السابقة مع األخذ في االعتبار) 114 1 () 119 2 () 137 3 (763 الفرق بين القيم 763 - 123.3333) 1 2 3 (23 النسبة) 12 22 32) - 2 3 14 - 12 2 القيمة 1 الفرق الفارق 232 11.5 القيمة 2 المتوسط ​​- القيمة 1 123.3333 - 11.5 2 100.3333 التوقعات (1) القيمة 1 القيمة 2 4 11.5 100.3333 146.333 أو 146 التوقعات 5 11.5 100.3333 157.8333 أو 158 التوقعات 6 11.5 100.3333 169.3333 أو 169 A.8.2 حساب التوقعات المحاكية مبيعات أكتوبر / تشرين الأول 2004: متوسط ​​الأشهر الثلاثة السابقة (129 140 131) 3 133.3333 ملخص الأشهر الثلاثة السابقة مع اعتبار الوزن (129 1) (140 2) (131 3) 802 الفرق بين (1 2 3) 2 نسبة (12 22 32) - 2 3 14 - 12 2 القيمة 1 الفرق 22 22 1 القيمة 2 المتوسط ​​- القيمة 1 133.3333 - 1 2 131.3333 التوقعات (1) القيمة 1 القيمة 2 4 1 131.3333 135.3333 نوفمبر 2004 مبيعات متوسط ​​األشهر الثالثة السابقة) 140 131 114 (3 128.3333 ملخص األشهر الثالثة السابقة مع اعتبار الوزن) 140 1 () 131 2 () 114 3 (744 الفرق بين القيم 744 - 128.3333) 1 2 3 (-25.9999 القيمة 1) الفرق - الفوائد -25.99992 -12.9999 القيمة 2 المتوسط ​​- القيمة 1 128.3333 - (-12.9999) 2 154.3333 التوقعات 4 -12.9999 154.3333 102.3333 ديسمبر 2004 المبيعات متوسط ​​الأشهر الثلاثة السابقة (131 114 119) 3 121.3333 ملخص الأشهر الثلاثة السابقة مع اعتبار الوزن ( 131 1) (114 2) (119 3) 716 الفرق بين القيم 716 - 121.3333 (1 2 3) -11.9999 القيمة 1 الفرق الفارق -11.99992 -5.9999 القيمة 2 متوسط ​​- القيمة 1 121.3333 - (-5.9999) 2 133.3333 توقعات 4 (-5.9999 ) 133.3333 109.3333 A.8.3 النسبة المئوية لحساب تكلفة الشراء (135.33 102.33 109.33) (114 119 137) 100 93.78 A.8.4 حساب الانحراف المطلق (135.33 - 114 102.33 - 119 109.33 - 137) 3 21.88 A.9 الطريقة 7 - الشركة السعودية d درجة التقريب يحدد الانحدار الخطي القيمتين a و b في صيغة التنبؤ Y a بكس بهدف تركيب خط مستقيم على بيانات تاريخ المبيعات. الدرجة الثانية تقريب مماثل. ومع ذلك، تحدد هذه الطريقة قيم a و b و c في صيغة التنبؤ Y بكس cX2 بهدف تركيب منحنى على بيانات سجل المبيعات. قد تكون هذه الطريقة مفيدة عندما يكون المنتج في مرحلة الانتقال بين مراحل دورة حياة. على سبيل المثال، عندما يتحرك منتج جديد من مرحلة مقدمة إلى مراحل النمو، قد يتسارع اتجاه المبيعات. بسبب مصطلح الترتيب الثاني، يمكن التنبؤ بسرعة الاقتراب اللانهاية أو انخفاض إلى الصفر (اعتمادا على ما إذا كان معامل ج إيجابي أو سلبي). ولذلك، فإن هذه الطريقة مفيدة فقط على المدى القصير. مواصفات التوقعات: الصيغ تجد a، b، c لتتناسب مع منحنى إلى ثلاث نقاط بالضبط. يمكنك تحديد n في خيار المعالجة 7a، وعدد الفترات الزمنية للبيانات لتتراكم في كل من النقاط الثلاث. في هذا المثال n 3. لذلك، يتم دمج بيانات المبيعات الفعلية للفترة من أبريل إلى يونيو في النقطة الأولى، Q1. يوليو إلى سبتمبر تضاف معا لخلق Q2، وأكتوبر خلال ديسمبر المبلغ إلى Q3. سيتم تركيب المنحنى على القيم الثلاثة Q1 و Q2 و Q3. تاريخ المبيعات المطلوب: 3 n فترات لحساب التوقعات بالإضافة إلى عدد الفترات الزمنية المطلوبة لتقييم أداء التنبؤات (بف). عدد الفترات المراد تضمينها (الخيار 7 أ) 3 في هذا المثال استخدم الأشهر السابقة (3 n) في فدرات ثلاثة أشهر: Q1 (أبريل - يونيو) 125 122 137 384 Q2 (يوليو - سبتمبر) 129 140 131 400 Q3 ( أوكت - ديك) 114 119 137 370 تتضمن الخطوة التالية حساب المعاملات الثلاثة a و b و c التي سيتم استخدامها في صيغة التنبؤ Y بكس cX2 (1) Q1 a بكس cX2 (حيث X 1) أبك (2) Q2 (x 2) ب 2 c 3 (2) 4 ب 4 (3) Q3 بكس c2 (3) 3b 9c حل المعادلات الثلاث في وقت واحد لإيجاد b و a و c: طرح المعادلة (1) من المعادلة (2) (2) - (1) Q2 - Q1 b 3c استبدال هذه المعادلة ب إلى المعادلة (3) (3) Q3 a 3 (Q2 - Q1) - 3c c وأخيرا، استبدل هذه المعادلات ل a و b إلى المعادلة (1) Q3 - 3 (Q2 - Q1) (Q2 - Q1) - 3c c Q1 c (Q3 - Q2) 2 طريقة تقريب الدرجة الثانية تحسب a و b و c على النحو التالي: Q3 - 3 (الربع الثاني - الربع الأول) 370 - 3 (400 - 384) 322 ج (الربع الثالث - الربع الثاني) 2 (370 - 400) (384 - 400) 2 -23 ب (Q2 - Q1) - 3c (400 - 384) - (3 -23) 85 Y a بكس cX2 322 85X (-23) X2 كانون الثاني (يناير) توقعات مارس (X4): (322 340 - 368) 3 2943 98 (322 425 - 575) 3 57.333 أو 57 في الفترة من تموز / يوليه إلى أيلول / سبتمبر (X6): (322 510 - 828) 3 1.33 أو 1 في الفترة من تشرين الأول / أكتوبر إلى كانون الأول / ديسمبر (X7) (322) 595 - 11273 -70 A.9.2 حساب التوقعات المحاكاة مبيعات شهر أكتوبر ونوفمبر وديسمبر 2004: الربع الأول (يناير - مارس) 360 Q2 (أبريل - يونيو) 384 الربع الثالث (يوليو - سبتمبر) 400 400 - 3 (384 - 360) 328 ج (400 - 384) (360 - 384) 2 -4 ب (384 - 360) - 3 (-4) 36 328 36 4 (-4) 163 136 ألف - 9 - 3 النسبة المئوية لحساب حساب الدقة (136 136 136) (114 119 137) 100 110.27 A.9.4 حساب الانحراف المطلق المتوسط ​​(136 - 114 136 - 119 136 - 137) 3 13.33 ألف - 10 الطريقة 8 - الطريقة المرنة إن الطريقة المرنة (النسبة المئوية خلال الأشهر السابقة) مماثلة للطريقة 1، النسبة المئوية عن العام الماضي. كلتا الطريقتين تضاعف بيانات المبيعات من فترة زمنية سابقة من قبل المستخدم المحدد عامل، ثم مشروع تلك النتيجة في المستقبل. في طريقة النسبة المئوية خلال العام الماضي، يستند الإسقاط إلى بيانات من نفس الفترة الزمنية في العام السابق. ويضيف الأسلوب المرن القدرة على تحديد فترة زمنية غير الفترة نفسها من العام الماضي لاستخدامها كأساس للحسابات. عامل الضرب. على سبيل المثال، حدد 1.15 في خيار المعالجة 8b لزيادة بيانات سجل المبيعات السابقة بمقدار 15. فترة الأساس. على سبيل المثال، سيؤدي n 3 إلى أن تستند التوقعات الأولى إلى بيانات المبيعات في أكتوبر / تشرين الأول 2005. الحد الأدنى من تاريخ المبيعات: يحدد المستخدم عدد الفترات التي تعود إلى فترة الأساس، بالإضافة إلى عدد الفترات الزمنية المطلوبة لتقييم أداء التوقعات ( PBF). A.10.4 متوسط ​​حساب الانحراف المطلق درهم (148 - 114 161 - 119 151 - 137) 3 30 A.11 الطريقة 9 - المتوسط ​​المتحرك المتوسط ​​يشبه أسلوب المتوسط ​​المتحرك المتوسط ​​(ويم) الطريقة 4، المتوسط ​​المتحرك (ما). ومع ذلك، مع المتوسط ​​المتحرك المرجح يمكنك تعيين الأوزان غير المتساوية إلى البيانات التاريخية. وتحسب الطريقة المتوسط ​​المرجح لتاريخ المبيعات الأخير للوصول إلى إسقاط على المدى القصير. عادة ما يتم تعيين بيانات أكثر حداثة وزنا أكبر من البيانات القديمة، لذلك هذا يجعل وما أكثر استجابة للتحولات في مستوى المبيعات. ومع ذلك، لا يزال التحيز التنبؤي والأخطاء المنهجية تحدث عندما يظهر تاريخ مبيعات المنتجات اتجاها قويا أو أنماطا موسمية. هذا الأسلوب يعمل بشكل أفضل للتنبؤات قصيرة المدى من المنتجات الناضجة بدلا من المنتجات في مراحل النمو أو التقادم من دورة الحياة. n عدد الفترات من تاريخ المبيعات لاستخدامها في حساب التوقعات. على سبيل المثال، حدد n 3 في خيار المعالجة 9a لاستخدام أحدث ثلاث فترات كأساس للتوقعات في الفترة الزمنية التالية. قيمة كبيرة ل n (مثل 12) يتطلب المزيد من المبيعات التاريخ. فإنه يؤدي إلى توقعات مستقرة، ولكن سيكون بطيئا في التعرف على التحولات في مستوى المبيعات. من ناحية أخرى، قيمة صغيرة ل n (مثل 3) سوف تستجيب أسرع للتحولات في مستوى المبيعات، ولكن التوقعات قد تتقلب على نطاق واسع بحيث أن الإنتاج لا يمكن أن تستجيب لهذه الاختلافات. الوزن المخصص لكل فترة من فترات البيانات التاريخية. يجب أن يبلغ إجمالي الأوزان المخصصة 1.00. على سبيل المثال، عندما n 3، تعيين أوزان 0،6 و 0،3 و 0،1، مع أحدث البيانات تلقي أكبر وزن. الحد الأدنى المطلوب لسجل المبيعات: n بالإضافة إلى عدد الفترات الزمنية المطلوبة لتقييم أداء التنبؤات (بف). (133.5 - 114 121.7 - 119 118.7 - 137) 3 13.5 A.12 الطريقة 10 - التمهيد الخطي تشبه هذه الطريقة الطريقة 9، المتوسط ​​المتحرك المرجح (وما). ومع ذلك، بدلا من تعيين تعسفي للأوزان للبيانات التاريخية، يتم استخدام صيغة لتعيين الأوزان التي تنخفض خطيا ويجمع إلى 1.00. ثم تحسب الطريقة المتوسط ​​المرجح لتاريخ المبيعات الأخير للتوصل إلى إسقاط على المدى القصير. وكما هو الحال بالنسبة لجميع تقنيات التنبؤ المتوسط ​​المتحرك الخطي، يحدث التحيز المتوقع والأخطاء المنهجية عندما يظهر سجل مبيعات المنتجات اتجاها قويا أو أنماطا موسمية. هذا الأسلوب يعمل بشكل أفضل للتنبؤات قصيرة المدى من المنتجات الناضجة بدلا من المنتجات في مراحل النمو أو التقادم من دورة الحياة. n عدد الفترات من تاريخ المبيعات لاستخدامها في حساب التوقعات. وهذا محدد في خيار المعالجة 10 أ. على سبيل المثال، حدد n 3 في خيار المعالجة 10b لاستخدام أحدث ثلاث فترات كأساس للتوقعات في الفترة الزمنية التالية. سيقوم النظام تلقائيا بتعيين الأوزان إلى البيانات التاريخية التي تنخفض خطيا ويجمع إلى 1.00. على سبيل المثال، عندما n 3، سيقوم النظام بتعيين أوزان 0.5، 0.3333، 0.1، مع أحدث البيانات التي تتلقى أكبر وزن. الحد الأدنى المطلوب لسجل المبيعات: n بالإضافة إلى عدد الفترات الزمنية المطلوبة لتقييم أداء التنبؤات (بف). A.12.1 حساب التنبؤ عدد الفترات التي يجب تضمينها في متوسط ​​التمهيد (خيار المعالجة 10 أ) 3 في هذا المثال النسبة لفترة واحدة قبل 3 (n2 n) 2 3 (32 3) 2 36 0.5 نسبة لفترتين قبل 2 (n2 n ) 2 2 (32 3) 2 26 0.3333 .. نسبة ثلاث فترات قبل 1 (n2 n) 2 1 (32 3) 2 16 0.1666 .. توقعات يناير: 137 0.5 119 13 114 16 127.16 أو 127 توقعات فبراير: 127 0.5 137 13 119 16 129 توقعات آذار / مارس: 129 0.5 127 13 137 16 129.666 أو 130 ألف-12-2 حساب التوقعات المحاكاة مبيعات تشرين الأول / أكتوبر 2004 129 16 140 26 131 36 133.6666 تشرين الثاني / نوفمبر 2004 المبيعات 140 16 131 26 114 36 124 كانون الأول / ديسمبر 2004 المبيعات 131 16 114 26 119 36 119.3333 A.12.3 النسبة المئوية لحساب حساب الدقة (133.6666 124 119.3333) (114 119 137) 100 101.891 A.12.4 متوسط ​​حساب الانحراف المطلق (133.6666 - 114 124 - 119 119.3333 - 137) 3 14.1111 A.13 الطريقة 11 - التجانس الأسي تشبه هذه الطريقة الطريقة 10، التنعيم الخطي. في الخطي تمهيد النظام يعين الأوزان إلى البيانات التاريخية التي تنخفض خطيا. في التجانس الأسي، يعين النظام الأوزان التي تسوس أضعافا مضاعفة. معادلة التنبؤ بالتمهيد الأسي هي: التوقعات (المبيعات الفعلية السابقة) (1 - a) التوقعات السابقة التوقعات هي المتوسط ​​المرجح للمبيعات الفعلية من الفترة السابقة والتوقعات من الفترة السابقة. a هو الوزن المطبق على المبيعات الفعلية للفترة السابقة. (1-a) هو الوزن المطبق على توقعات الفترة السابقة. القيم الصالحة لنطاق من 0 إلى 1، وعادة ما تقع بين 0.1 و 0.4. مجموع الأوزان هو 1.00. a (1-a) 1 يجب أن تعين قيمة ثابت التمهيد، a. إذا لم تقم بتعيين قيم ثابتة التجانس، يقوم النظام بحساب قيمة مفترضة استنادا إلى عدد فترات سجل المبيعات المحددة في خيار المعالجة 11a. وهو ثابت التمهيد المستخدم في حساب المتوسط ​​الميسر للمستوى العام أو حجم المبيعات. القيم الصالحة لنطاق من 0 إلى 1. n نطاق بيانات سجل المبيعات لتضمينها في الحسابات. عموما سنة واحدة من بيانات تاريخ المبيعات غير كافية لتقدير المستوى العام للمبيعات. على سبيل المثال، تم اختيار قيمة صغيرة ل n (n 3) من أجل تقليل الحسابات اليدوية المطلوبة للتحقق من النتائج. ويمكن أن يؤدي التمهيد الأسي إلى توليد توقعات تستند إلى أقل من نقطة بيانات تاريخية واحدة. الحد الأدنى المطلوب لسجل المبيعات: n بالإضافة إلى عدد الفترات الزمنية المطلوبة لتقييم أداء التنبؤات (بف). ألف - 13 - 1 حساب التنبؤ عدد الفترات المراد إدراجها في متوسط ​​التمهيد (الخيار 11 أ) 3 و عامل ألفا (خيار المعالجة 11 ب) فارغا في هذا المثال عاملا لأقدم بيانات المبيعات 2 (11) أو 1 عند تحديد ألفا (12) أو ألفا عندما يتم تحديد ألفا عاملا ل 3 أقدم بيانات المبيعات 2 (13) أو ألفا عندما يتم تحديد ألفا عاملا لأحدث بيانات المبيعات 2 (1n) ، أو ألفا عندما يتم تحديد ألفا نوفمبر سم. متوسط أ (أكتوبر الفعلي) (1 - أ) أكتوبر سم. متوسط 1 114 0 0 114 ديسمبر سم. متوسط أ (نوفمبر الفعلي) (1 - أ) نوفمبر سم. متوسط 23 119 13 114 117.3333 كانون الثاني / يناير التوقعات (كانون الأول / ديسمبر الفعلي) (1 - أ) كانون الأول / ديسمبر سم. متوسط 24 137 24 117.3333 127.16665 أو 127 توقعات شباط / فبراير توقعات كانون الثاني / يناير 127 توقعات آذار / مارس توقعات كانون الثاني / يناير 127 ألف-13-2 حساب التوقعات المحاكاة تموز / يوليه 2004. متوسط 22 129 129 أوغست سم. متوسط 23 140 13 129 136.3333 سيبتمبر سم. متوسط 24 131 24 136.3333 133.6666 أكتوبر، 2004 مبيعات سيب سم. متوسط 133.6666 أوغست، 2004 سم. متوسط 22 140 140 سيبتمبر سم. متوسط 23 131 13 140 134 أكتوبر سم. متوسط 24 114 24 134 124 نوفمبر، 2004 المبيعات سيب سم. متوسط 124 سبتمبر 2004 سم. متوسط 22 131 131 أكتوبر سم. متوسط 23 114 13 131 119.6666 نوفمبر سم. متوسط 24 119 24 119.6666 119.3333 ديسمبر 2004 مبيعات سيب سم. متوسط 119.3333 A.13.3 النسبة المئوية لحساب حساب الدقة (133.6666 124 119.3333) (114 119 137) 100 101.891 A.13.4 متوسط ​​حساب الانحراف المطلق (133.6666 - 114 124 - 119 119.3333 - 137) 3 14.1111 A.14 الطريقة 12 - التماسك الأسي مع الاتجاه والموسمية هذا الأسلوب مشابه لطريقة 11، الأسي تمهيد في أن يتم حساب متوسط ​​سلسة. ومع ذلك، تتضمن الطريقة 12 أيضا مصطلحا في معادلة التنبؤ لحساب اتجاه سلس. وتتكون التنبؤات من سلسة متوسطة تم تعديلها لاتجاه خطي. عندما يتم تحديده في خيار المعالجة، يتم تعديل التوقعات أيضا للموسمية. وهو ثابت التمهيد المستخدم في حساب المتوسط ​​الميسر للمستوى العام أو حجم المبيعات. القيم الصالحة لمدى ألفا تتراوح بين 0 و 1. b ثابت التمهيد المستخدم في حساب المتوسط ​​الميسر لعنصر الاتجاه للتنبؤ. القيم الصالحة للنطاق بيتا من 0 إلى 1. ما إذا كان المؤشر الموسمي يتم تطبيقه على التوقعات a و b مستقلان عن بعضهما البعض. ليس لديهم لإضافة إلى 1.0. الحد الأدنى المطلوب من تاريخ المبيعات: عامين بالإضافة إلى عدد الفترات الزمنية المطلوبة لتقييم أداء التنبؤات (بف). تستخدم الطريقة 12 معادلتين أسيتين للتمهيد ومتوسط ​​بسيط واحد لحساب المتوسط ​​السلس، واتجاه سلس، ومتوسط ​​عامل موسمي بسيط. A.14.1 حساب التنبؤ A) متوسط ​​ممسود أضعافا مطردا (122.81 - 114 133.14 - 119 135.33 - 137) 3 8.2 A.15 تقييم التنبؤات يمكنك اختيار أساليب التنبؤ لتوليد ما يصل إلى اثني عشر تنبؤا لكل منتج. ومن المحتمل أن تؤدي كل طريقة للتنبؤ إلى إسقاط مختلف قليلا. عندما يتم توقع الآلاف من المنتجات، فمن غير العملي لاتخاذ قرار شخصي بشأن أي من التوقعات لاستخدامها في خططك لكل من المنتجات. يقوم النظام تلقائيا بتقييم الأداء لكل من طرق التنبؤ التي تحددها، ولكل من توقعات المنتجات. يمكنك الاختيار بين معيارين للأداء، يعني الانحراف المطلق (ماد) ونسبة الدقة (بوا). ماد هو مقياس لخطأ التنبؤ. بوا هو مقياس للتحيز المتوقع. يتطلب كل من تقنيات تقييم الأداء هذه بيانات تاريخ المبيعات الفعلية لمستخدم محدد الفترة الزمنية. وتسمى هذه الفترة من التاريخ الحديث فترة الانتظار أو الفترات الأنسب (بف). ولقياس أداء طريقة التنبؤ، استخدم الصيغ المتوقعة لمحاكاة توقعات لفترة الاستحقاق التاريخية. وستكون هناك عادة اختلافات بين بيانات المبيعات الفعلية والتوقعات المحاكية لفترة الاستبعاد. عند اختيار طرق التنبؤ متعددة، تحدث هذه العملية نفسها لكل طريقة. يتم احتساب توقعات متعددة لفترة الاستحواذ، وبالمقارنة مع تاريخ المبيعات المعروفة لنفس الفترة من الزمن. ويوصى باستخدام طريقة التنبؤ التي تنتج أفضل مطابقة (أفضل ملاءمة) بين التوقعات والمبيعات الفعلية خلال فترة الاستبعاد لاستخدامها في خططك. هذه التوصية خاصة بكل منتج، وقد تتغير من جيل واحد إلى آخر. ألف - 16 الانحراف المطلق (ماد) هو المتوسط ​​(أو المتوسط) للقيم المطلقة (أو الحجم) للانحرافات (أو الأخطاء) بين البيانات الفعلية والمتوقعة. ماد هو مقياس لمتوسط ​​حجم الأخطاء المتوقع، نظرا لطريقة التنبؤ وتاريخ البيانات. ولأن القيم المطلقة تستخدم في الحساب، فإن الأخطاء الإيجابية لا تلغي الأخطاء السلبية. عند مقارنة عدة طرق التنبؤ، واحدة مع أصغر درهم أظهرت أن تكون الأكثر موثوقية لهذا المنتج لفترة تلك الانتظار. وعندما تكون التنبؤات غير متحيزة وتوزع الأخطاء عادة، توجد علاقة رياضية بسيطة بين تدبيرين عاديين ومقياسين آخرين للتوزيع والانحراف المعياري ومتوسط ​​الخطأ المربعة: A.16.1 نسبة الدقة (بوا) نسبة الدقة (بوا) هي وهو مقياس للتحيز المتوقع. وعندما تكون التوقعات مرتفعة جدا، تتراكم المخزونات وتزداد تكاليف الحصر. وعندما تكون التنبؤات منخفضة باستمرار، تستهلك المخزونات وتنخفض خدمة العملاء. توقعات أن 10 وحدات منخفضة جدا، ثم 8 وحدات مرتفعة جدا، ثم 2 وحدة عالية جدا، سيكون توقعات غير متحيزة. يتم إلغاء الخطأ الإيجابي من 10 من قبل أخطاء سلبية من 8 و 2. خطأ الفعلي - توقعات عندما يمكن تخزين المنتج في المخزون، وعندما توقعات غير منحازة، يمكن استخدام كمية صغيرة من مخزون السلامة لتخفيف الأخطاء. في هذه الحالة، ليس من المهم جدا للقضاء على أخطاء التنبؤ كما هو لتوليد توقعات غير منحازة. ولكن في الصناعات الخدمية، فإن الحالة المذكورة أعلاه سوف ينظر إليها على أنها ثلاثة أخطاء. وستعاني هذه الخدمة من نقص في عدد الموظفين في الفترة الأولى، ثم ستزداد أعداد الموظفين في الفترتين التاليتين. وفي الخدمات، يكون حجم أخطاء التنبؤ عادة أكثر أهمية مما هو متوقع. ويتيح الجمع خلال فترة الاستبعاد أخطاء إيجابية لإلغاء الأخطاء السلبية. عندما يتجاوز إجمالي المبيعات الفعلية مجموع المبيعات المتوقعة، ونسبة أكبر من 100. وبطبيعة الحال، فإنه من المستحيل أن يكون أكثر من 100 دقيقة. عندما تكون التوقعات غير منحازة، فإن نسبة بوا ستكون 100. ولذلك، فمن المستحسن أن تكون 95 دقيقة من أن تكون دقيقة 110. تحدد معايير بوا طريقة التنبؤ التي تحتوي على نسبة بوا الأقرب إلى 100. البرمجة النصية في هذه الصفحة تعزز تنقل المحتوى، ولكنها لا تغير المحتوى بأي شكل من الأشكال. التحليل الفني في إكسيل: الجزء الأول 8211 سما، إما، بولينجر باندز في هذا ثلاثة أجزاء أو سلسلة 8220 التحليل الفني في Excel8221 سوف نستكشف كيف يمكن للمتداولين استخدام إكسيل لتطبيق التحليل الفني (تا) على بيانات السوق التاريخية. وسيشمل ذلك حساب بعض مؤشرات التحليل الفني الأكثر شعبية وتنفيذ جدول بيانات لاستراتيجية التداول (في الجزء الثالث). وسوف تنطوي الاختبارات الخلفية على توليد إشارات شراء وبيع استنادا إلى مؤشرات المساعدة التقنية وحساب استراتيجية P038L. W8217d أود أن أشير إلى أن جميع الحسابات في هذه المقالات سيتم تنفيذها باستخدام وظائف إكسيل القياسية المتوفرة في إكسيل 2011 والإصدارات الأحدث. لن يتم استخدام أي وحدات ماكرو فباكوستم إكسيل. ويتم ذلك على الغرض للحفاظ على جداول البيانات بسيطة ووظيفية مفهومة من قبل غير المبرمجين. في الجزء الأول من هذه المقالة سنقوم بإنشاء جدول بيانات إكسل حيث سنستخدم الصيغ بعض مؤشرات التحليل الفني الشائعة مثل: المتوسط ​​المتحرك البسيط، البولنجر باند، والمتوسط ​​المتحرك الأسي. يرجى شرح الصيغ وإدراج الإرشادات خطوة بخطوة أدناه. بالإضافة إلى ذلك، نحن نقدم جدول البيانات we8217ve التي تم إنشاؤها من خلال الخطوات التالية المذكورة في هذه المقالة بحيث يمكنك استخدامه لتحليل بيانات السوق الخاصة بك أو كأساس لبناء جداول البيانات الخاصة بك. ملف إكسيل ملف إكسيل (تحميل) يحتوي على صيغ لحساب المتوسط ​​المتحرك البسيط، البولنجر باندز، والمتوسط ​​المتحرك الأسي كما هو موضح في هذا المنصب. للحصول على هذا المثال حصلنا على ملف كسف مع 6 أشهر من بيانات سبي كل ساعة، والتي تغطي 3 سبتمبر 2013 8211 فبراير 28، 2014. سبي هو تتبع إتف مؤشر SampP500. لدينا ما يقرب من 2000 نقطة البيانات في هذا الملف. يحتوي الملف على أعمدة أسعار أوهل، وحجم، وعمود الطابع الزمني. تنويه: تم إنشاء هذا الملف باستخدام يب داتا دونلوادر. ملف البيانات: historydataSPY1hour20140301 (ملف نصي 8211 لتحميل 8211 انقر بزر الماوس الأيمن وحدد 8220Save لينكد فيل AS8221) متوسط ​​متحرك بسيط حساب أساسي متوسط ​​متحرك بسيط (سما) هو ببساطة متوسط ​​السعر على آخر N عدد الأشرطة. يتيح حساب سما لأسعار وثيقة من ملف البيانات عينة لدينا. فضلا عن حساب المتوسط ​​المتحرك لمدة 20 يوما استنادا إلى سعر إغلاق سبي (العمود D). تضيف Let8217s رأس العمود سما-20 في العمود G ونقوم بكتابة قيمة الصيغة التالية في الخلية G21 (نظرا لأن الصف 21 هو الأول الذي يحتوي على بيانات كافية لحساب سما لمدة 20 يوما): بعد الضغط على العودة لحفظ الصيغة يجب راجع القيمة 164.57 أو قريبة من ذلك في الخلية G21. من أجل حساب سما-20 لجميع الخلايا المتبقية أقل من 8211 فقط حدد الخلية G21، حرك المؤشر فوق الخلية وانقر نقرا مزدوجا فوق المربع الصغير في الزاوية اليمنى السفلى من تلك الخلية. يجب أن ترى الآن القيم في العمود G محسوبة لبقية أسعار سبي. تعميم حساب سما الآن قمنا بحساب قيم المتوسط ​​المتحرك البسيط لمدة 20 يوما في العمود G. إنه عظيم، ولكن ماذا لو أردنا حساب 50 يوما أو 200 يوما سما الآن تحديث قيم الصيغة في كل مرة تريد تغيير نطاق سما هو مملة جدا وعرضة للخطأ. يتيح جعل حسابنا أكثر عمومية بإضافة معلمة 8220length8221. يمكننا أن نبدأ من خلال تخزين المعلمة نطاق سما في خلية منفصلة حتى نتمكن من الإشارة إليها في أو الصيغة. فيما يلي الخطوات التي اتبعناها لتنفيذ حساب سما عام في جدول البيانات لدينا: Let8217s تبدأ بإنشاء جدول صغير على الجانب حيث يمكننا تخزين بعض قيم معلمات الإدخال لمؤشراتنا. في الخلية O1 يتيح اكتب اسم المتغير، في الخلية P1 يتيح نوع القيمة. في الخلية O2 يتيح اسم نوع المتغير لدينا: بيريود. في الخلية P2 نحدد قيمة المتغير بيريود التي تستخدم بشكل جيد لتحديد طول الفترة لحسابنا المعمم سما. سيؤدي تغيير هذا المتغير إلى إعادة حساب سما مع قيمة الفترة الحالية. يتيح استخدام القيمة 14 في الوقت الحالي. ليتس تايب قيمة رأس العمود سما في الخلية H1 العمود H سيحتوي على قيم لمؤشر سما العام. في الخلية H2 أدخل هذه الصيغة: يتيح تشريح هذه الصيغة. نحن نستخدم الآن قيمة متغير بيريود من الخلية P2. كان علينا أن نضيف أمام أرقام الأعمدة والصف لتجميد الإشارة إلى الخلية P2 ونحن نسخ صيغة سما إلى خلايا أخرى في العمود H. ويف أيضا استبدال إشارة مطلقة إلى نطاق سعر العمود إغلاق مع وظيفة أوفست إكسيل. أوفست إرجاع مجموعة من الخلايا استنادا إلى الإزاحة من حيث عدد الصفوف والأعمدة من خلية 8220reference8221 معينة. المعلمة الأولى هي الخلية المرجعية (في حالتنا H2 نفسها)، والثاني عبارة عن حساب لحساب الصف الأول من النطاق استنادا إلى قيمة معلمة الطول (P2)، والمعلمة الثالثة هي إزاحة العمود إلى عمود الإغلاق (-4) ، تمثل القيمة السالبة الإزاحة إلى اليسار بينما يقابل الموجب الإيجابي إلى يمين الخلية المرجعية، وتمثل معلمة الدالة الأخيرة بالقيمة 1 عرض النطاق الذي يتم إرجاعه بواسطة دالة أوفسيت، والتي تكون في حالتنا عمود واحد فقط: D ( أغلق). احفظ الصيغة في الخلية في H2 ووسعها إلى بقية الخلايا في العمود H بالنقر المزدوج على المربع الصغير في الركن السفلي الأيسر من الخلية أو سحب الصيغة لأسفل. إزالة أخطاء الصيغة الآن، ستلاحظ أن أول عدة صفوف في العمود قيمة خطأ ريف. يحدث هذا لأنه لا توجد صفوف كافية في مجموعة بياناتنا لحساب قيمة سما، والمجال الذي يتم إرجاعه بواسطة الدالة أوفست يذهب فوق حافة ورقة العمل لبعض الصفوف. هناك عدد من التقنيات المختلفة لإخفاء قيم الخطأ في التفوق. بعض منها تتضمن الصيغ التي ترجع فارغة أو صفر القيم إذا كانت قيمة الخلية يحتوي على خطأ. في حين أن هذا هو أسلوب صحيح تماما - فإنه يعقد الصيغ الخلية ويجعل من الصعب قراءة. Instead, well use conditional formatting to simply hide error values be changing foreground color to white. To change cells font color to white and use no error highlighting follow these instructions: Select columns H-N In Excel: Home - gt Conditional Formatting - gt Highlight Cell Rules - gt More Rules. في مربع الحوار "قاعدة التنسيق الجديد" حدد أخطاء وفي تنسيق مع تنسيق مخصص حدد، ثم عين لون التعبئة إلى اللون الأبيض والخط إلى الأبيض كذلك. Bollinger Bands Introduction Bollinger Bands is a simple but useful indicator providing valuable information on historical price volatility of a financial instrument, as well as current price deviation from a moving average. When price moves become more volatile 8211 the bands widen, in the periods of relative calm 8211 they come closer together. The relative position of the current price to the bands can also be used to estimate whether market is overbought or oversold. If the current price is close to or crossed upper band 8211 the price is considered in overbought territory, while price close tocrossed lower band 8211 underlying market is considered oversold. Basic Calculation Bollinger Bands indicator could be calculated using either simple moving average or exponential moving average as the basis. Bollinger Bands consists of three data series: moving average (simple or exponential) and two standard deviation (boundary) lines, one above, and one below the moving average, usually at 2 standard deviations from the moving average. Exponential moving average (covered below) gives more weight to the more recent price action, while Simple moving average provides a more stable and less jittery indicator. There are a total of 2 input parameters: 1) moving average period (number of bars), 2) number of standard deviations for the upper band lower bands. In this example well use simple moving average we already calculated in column H (see instructions in the section above). All thats remaining is to add columns for upper and lower bands. We are still using 14-day moving average period value. The first row that has enough data for 14-day SMA is row 15 (since row 1 is used for column header). The upper band will be in column I, so in cell I15 we type the following formula: In this formula we are simply adding two standard deviations of the Close prices from cells D2:D15 to the SMA value. Here the only difference from the previous formula is that we are subtracting two standard deviations from SMA. Excel formula STDEV() calculates standard deviation for a series of values. In this case we are multiplying value by 2 to get 2 standard deviations, and addingsubtracting the result from the moving average to generate the upperlower band values. To expand the formulas 8211 just roll over and double-click on a small square in the lower-right corner of the cell to replicate formula for the rest of the data range. Generalized Bollinger Band Computation Now. how about generalizing the Bollinger Band formula so that we dont have to update our formulas every time we want to calculate Bollinger bands for different number of standard deviations from MA or when we change moving average length. Lets add another parameter to our generic variables table on the right of the spreadsheet. Lets type Std devs: in cell O3, and 2.0 in P3. Next, let8217s add the following formula in I15: In this formula weve replaced 2 with P3 8211 which points to our variable in cell P3 containing number of standard deviations for the bands, and calculate offset based on the PERIOD variable in cell P2. The only difference from the formula in the previous step is that weve replaced after H15 with 8211 (minus), to subtract number of standard deviations from SMA, and we had to change offset to the price columnd. notice -6, instead of -5 in the cols parameter to the OFFSET function to refer to column D (CLOSE). Dont forget to copy new formulas in cells I15 and J15 to the rest of the respective column cells. You can now change values of PERIOD and Std devs variables in cells P2 amp P3, and have SMA and Bollinger Band values automatically recalculated. Bollinger Bands Chart in Excel Watch this video with instructions for adding a Bollinger Band chart to the spreadsheet we created above. Exponential Moving Average Exponential Moving Average (EMA) is type of moving average that is similar to a simple moving average, except that more weight is given to the latest data. The exponential moving average is also known as 8220exponentially weighted moving average8221. Computation Instructions Well use column K to calculate EMA. Lets set our PERIOD value to 1 (cell P2), so that we could enter formula at the top of our sheet and have some values we can see entering the formulas. We can set PERIOD to any value after we are done and have EMA (and SMA) automatically recalculated. In cell K2 we set the first value of the EMA series to be simply equal to the Close value (D2) in the same row, just because we need to seed EMA computation with some sensible value. Next, in cell K3 we enter a standard EMA formula which uses the industry-standard exponent function 2(1number of periods in MA). To better understand the math behind this refer to this page. In this formula we multiply rows Close price (D3) by the exponent function, using P2 to reference our number of periods variable, and add to the result the previous EMA value (K2), multiplied 1- the exponent. This is the standard EMA formula. Now expand the formula to the rest of the column by clicking a square in the lower right of cell K3. We can now change PERIOD value to any other number, make sure your conditional formatting rule is updated to hide error values displayed in cells that dont have enough data going back to calculate their values. Part I Conclusion In this first part of our 3-part series we calculated Simple Moving Average, Bollinger Bands, and Exponential Moving Average technical analysis indicators for our sample historical data set. In the next part well cover two of the most famous technical analysis indicators: MACD and RSI. Before you continue reading this article series we8217d like to bring your attention to a couple of books we hand-picked from a large number of volumes available on the subjects of technical analysis and trading with Microsoft Excel. We found that the selections we listed below provide invaluable fundamental information on using technical analysis and Excel-based trading idea generation, testing, and execution. Combining material described in these books will enable you to develop and test your own trading systems and take them to markets sooner and with more confidence. IB Data Downloader IB Data Downloader version 3.3 is now available Download historical data from Interactive Brokers. Stocks, Futures, ETFs, Indexes, Forex, Options, FOPs. Now supports options historical data download Runs on Windows, MacOS, Linux. Automatically handles IB API pacing violations, no restrictions on duration due to pacing limitations Supports historical data for expired futures contracts. IB Excel Trader IB Excel Trader version 1.6 is now available Trade Stocks, ETFs, Futures, and Forex directly from Excel. Implement custom trading rules using spreadsheet formulas or VBA. Program entry rules for single or bracket exit orders. Market, Stop, Limit, Stop-Limit, as well as complex algo orders are supported. Order Log sheet (new). Contains a detailed list of each order status change in a filterable Excel table. Use our Customization Service to extend IB Excel Trader and contract our programmers to develop your custom trading strategies. Interactive Brokers (IB) is a low cost provider of trade execution and clearing services for individuals, advisors, prop trading groups, brokers and hedge funds. IBs premier technology provides direct access to stocks, options, futures, forex, bonds and funds on over 100 markets worldwide from a single IB Universal account. Member NYSE, FINRA, SIPC. Visit interactivebrokers for more information. المشاركات الاخيرة