Exponential verschieben durchschnitt excel 2010

Wie zu berechnen EMA in Excel Erfahren Sie, wie die exponentiellen gleitenden Durchschnitt in Excel und VBA zu berechnen, und erhalten Sie eine kostenlose Web-Kalkulationstabelle. Die Tabelle ruft Bestandsdaten von Yahoo Finance, berechnet EMA (über dem gewählten Zeitfenster) und stellt die Ergebnisse grafisch. Der Download-Link ist unten. Die VBA kann angesehen und bearbeitet werden. Aber zuerst disover, warum EMA ist wichtig für technische Händler und Marktanalysten. Historische Aktienkurse werden oft mit vielen hochfrequenten Geräuschen belastet. Das verbirgt oft große Trends. Gleitende Durchschnitte helfen, diese geringfügigen Schwankungen glätten, Sie einen besseren Einblick in die gesamte Marktrichtung zu geben. Der exponentielle gleitende Durchschnitt legt mehr Wert auf neuere Daten. Je größer die Zeitspanne, desto geringer die Wichtigkeit der aktuellsten Daten. EMA wird durch diese Gleichung definiert. (Multipliziert mit einem Gewicht) und yesterday8217s EMA (multipliziert mit 1-Gewicht) Sie müssen die EMA-Berechnung mit einer anfänglichen EMA (EMA 0) kickstart. Dies ist gewöhnlich ein einfacher gleitender Durchschnitt der Länge T. Die obige Tabelle gibt beispielsweise die EMA von Microsoft zwischen dem 1. Januar 2013 und dem 14. Januar 2014 an. Technische Händler verwenden oft die Kreuzung zweier gleitender Durchschnitte 8211 mit einer kurzen Zeitskala Und ein anderer mit einer langen Zeitskala 8211, um Kauf / Verkaufssignale zu erzeugen. Häufig werden 12- und 26-Tage-Gleitmittel verwendet. Wenn der kürzere gleitende Durchschnitt über dem längeren gleitenden Durchschnitt steigt, ist der Markt aufwärts tendiert, der dieses ein Kaufsignal ist. Allerdings, wenn die kürzere gleitende Mittelwerte fällt unter den langlebigen Durchschnitt, der Markt sinkt dies ist ein Verkaufssignal. Let8217s erlernen zuerst, wie man EMA using Arbeitsblattfunktionen berechnet. Danach entdecken wir, wie man VBA zur Berechnung von EMA verwendet (und automatisch Plot Diagramme) Berechnen Sie EMA in Excel mit Worksheet-Funktionen Schritt 1. Let8217s sagen, dass wir die 12-Tage-EMA von Exxon Mobil8217s Aktienkurs berechnen wollen. Wir müssen zunächst historische Aktienkurse 8211 erhalten, die Sie mit diesem Bulk-Aktien-Downloader tun können. Schritt 2 . Berechnen Sie den einfachen Durchschnitt der ersten 12 Preise mit der Excel8217s Average () - Funktion. In der Screengrab unten, in Zelle C16 haben wir die Formel AVERAGE (B5: B16) wo B5: B16 enthält die ersten 12 schließen Preise Schritt 3. Unterhalb der Zelle, die in Schritt 2 verwendet wird, geben Sie die EMA Formel oben ein Dort haben Sie es You8217ve berechnete erfolgreich einen wichtigen technischen Indikator, EMA, in einer Kalkulationstafel. Berechnen EMA mit VBA Jetzt let8217s mechanisieren die Berechnungen mit VBA, einschließlich der automatischen Erstellung von Plots. Ich hab8217t zeigt Ihnen die volle VBA hier (es8217s in der Kalkulationstabelle unten), aber wir8217ll diskutieren die meisten kritischen Code. Schritt 1. Laden Sie historische Aktienkurse für Ihre Ticker von Yahoo Finanzen (mit CSV-Dateien), und laden Sie sie in Excel oder verwenden Sie die VBA in dieser Tabelle, um historische Zitate direkt in Excel zu erhalten. Ihre Daten können so aussehen: Schritt 2. Dies ist, wo wir brauchen, um ein paar braincells 8211 wir brauchen, um die EMA-Gleichung in VBA implementieren. Wir können R1C1-Stil verwenden, um programmgesteuert Formeln in einzelne Zellen eingeben. Untersuchen Sie das Code-Snippet unten. EMAWindow ist eine Variable, die dem gewünschten Zeitfenster entspricht numRows ist die Gesamtzahl der Datenpunkte 1 (die 8220 18221 ist weil wir8217re unter der Annahme, dass die tatsächlichen Bestandsdaten in Zeile 2 beginnen) wird die EMA in Spalte berechnet h Angenommen, dass EMAWindow 5 und Numrows Die erste Zeile platziert eine Formel in der Zelle h6, die das arithmetische Mittel der ersten 5 historischen Datenpunkte berechnet. Die zweite Zeile platziert Formeln in den Zellen h7: h100, die die EMA der verbleibenden 95 berechnet Datenpunkte Schritt 3 Diese VBA-Funktion erzeugt einen Plot des engen Preises und der EMA. Großer Job auf Diagrammen und Erklärungen. Ich habe eine Frage though. Wenn ich das Anfangsdatum zu einem Jahr später ändere und neueste EMA Daten betrachte, ist es merklich unterschiedlich, als wenn ich den gleichen EMA Zeitraum mit einem früheren Anfangsdatum für die gleiche neue Datumsreferenz verwende. Ist das, was Sie erwarten. Es macht es schwierig, auf veröffentlichte Diagramme mit EMAs angezeigt und sehen nicht das gleiche Diagramm. Shivashish Sarkar sagt: Hallo, ich bin mit Ihrem EMA-Rechner und ich wirklich zu schätzen wissen. Allerdings habe ich festgestellt, dass der Taschenrechner nicht in der Lage, die Graphen für alle Unternehmen (es zeigt Run time error 1004). Können Sie bitte erstellen Sie eine aktualisierte Ausgabe Ihres Rechners, in dem neue Unternehmen aufgenommen werden Lassen Sie eine Antwort Abbrechen Antwort Wie die kostenlose Spreadsheets Master Knowledge Base Aktuelle BeiträgeMoving Durchschnitt Dieses Beispiel lehrt, wie Sie den gleitenden Durchschnitt einer Zeitreihe in Excel zu berechnen. Eine Bewegung wird verwendet, um Unregelmäßigkeiten (Spitzen und Täler) zu glätten, um Trends leicht zu erkennen. 1. Erstens, werfen wir einen Blick auf unsere Zeitreihe. 2. Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis: Klicken Sie hier, um das Analyse-ToolPak-Add-In zu laden. 3. Wählen Sie Verschiebender Durchschnitt aus, und klicken Sie auf OK. 4. Klicken Sie im Feld Eingabebereich auf den Bereich B2: M2. 5. Klicken Sie in das Feld Intervall und geben Sie 6 ein. 6. Klicken Sie in das Feld Ausgabebereich und wählen Sie Zelle B3 aus. 8. Zeichnen Sie ein Diagramm dieser Werte. Erläuterung: Da wir das Intervall auf 6 setzen, ist der gleitende Durchschnitt der Durchschnitt der letzten 5 Datenpunkte und der aktuelle Datenpunkt. Als Ergebnis werden Spitzen und Täler geglättet. Die Grafik zeigt eine zunehmende Tendenz. Excel kann den gleitenden Durchschnitt für die ersten 5 Datenpunkte nicht berechnen, da nicht genügend frühere Datenpunkte vorhanden sind. 9. Wiederholen Sie die Schritte 2 bis 8 für Intervall 2 und Intervall 4. Fazit: Je größer das Intervall, desto mehr werden die Spitzen und Täler geglättet. Je kleiner das Intervall, desto näher sind die gleitenden Mittelwerte zu den tatsächlichen Datenpunkten. Mögen Sie diese kostenlose Website Bitte teilen Sie diese Seite auf GoogleExponential Smoothing Explained. Kopie des Urheberrechts. Inhalt auf InventoryOps ist urheberrechtlich geschützt und steht nicht für die Wiederveröffentlichung zur Verfügung. Wenn die Menschen zuerst den Begriff Exponential Smoothing begegnen sie denken, dass klingt wie eine Hölle von viel Glättung. Was Glättung ist. Sie beginnen dann eine komplizierte mathematische Berechnung vorstellen, die wahrscheinlich erfordert einen Abschluss in Mathematik zu verstehen, und hoffe, es ist eine eingebaute Excel-Funktion verfügbar, wenn sie es jemals tun müssen. Die Wirklichkeit der exponentiellen Glättung ist weit weniger dramatisch und weit weniger traumatisch. Die Wahrheit ist, ist exponentielle Glättung eine sehr einfache Berechnung, die eine ziemlich einfache Aufgabe erfüllt. Es hat nur einen komplizierten Namen, weil was technisch passiert als Folge dieser einfachen Berechnung ist eigentlich ein wenig kompliziert. Um zu verstehen, exponentielle Glättung, hilft es, mit dem allgemeinen Konzept der Glättung und ein paar andere gängige Methoden, um Glättung zu erreichen beginnen. Was ist Glättung Glättung ist ein sehr häufiger statistischer Prozess. Tatsächlich begegnen wir regelmäßig geglättete Daten in verschiedenen Formen in unserem Alltag. Jedes Mal, wenn Sie einen Durchschnitt verwenden, um etwas zu beschreiben, verwenden Sie eine geglättete Zahl. Wenn Sie darüber nachdenken, warum Sie einen Durchschnitt verwenden, um etwas zu beschreiben, werden Sie schnell verstehen, das Konzept der Glättung. So erlebten wir zum Beispiel den wärmsten Winter. Wie können wir das quantifizieren? Nun beginnen wir mit Datensätzen der täglichen hohen und niedrigen Temperaturen für den Zeitraum, den wir Winter für jedes Jahr in der aufgezeichneten Geschichte nennen. Aber das lässt uns mit einer Menge von Zahlen, die um einiges herumspringen (es ist nicht wie jeden Tag dieser Winter war wärmer als die entsprechenden Tage aus allen früheren Jahren). Wir brauchen eine Zahl, die alle diese Sprünge aus den Daten entfernt, so dass wir besser vergleichen können einen Winter zum nächsten. Das Entfernen der Sprünge in den Daten heißt Glättung, und in diesem Fall können wir einfach einen einfachen Durchschnitt verwenden, um die Glättung zu erreichen. In der Bedarfsprognose verwenden wir die Glättung, um zufällige Variation (Lärm) aus unserer historischen Nachfrage zu entfernen. Dies ermöglicht es uns, die Bedarfsmuster (vor allem die Trend - und Saisonalität) und die Nachfrage, die zur Abschätzung der zukünftigen Nachfrage genutzt werden können, besser zu identifizieren. Der Lärm in der Nachfrage ist das gleiche Konzept wie das tägliche Springen der Temperaturdaten. Nicht überraschend, die häufigste Art und Weise Menschen entfernen Rauschen aus der Nachfrage Geschichte ist es, einen einfachen Durchschnitt verwenden oder genauer, ein gleitender Durchschnitt. Ein gleitender Durchschnitt verwendet nur eine vordefinierte Anzahl von Perioden, um den Durchschnitt zu berechnen, und diese Perioden bewegen sich mit der Zeit. Zum Beispiel, wenn Im mit einem 4-Monats-gleitenden Durchschnitt, und heute ist der 1. Mai, Im mit einem Durchschnitt der Nachfrage, die im Januar, Februar, März und April aufgetreten. Am 1. Juni werde ich die Nachfrage von Februar, März, April und Mai nutzen. Gewichteter gleitender Durchschnitt. Wenn wir einen Durchschnitt verwenden, wenden wir die gleiche Wichtigkeit (Gewicht) auf jeden Wert im Datensatz an. Im gleitenden 4-Monatsdurchschnitt stellte jeder Monat 25 des gleitenden Durchschnitts dar. Bei der Verwendung der Nachfragegeschichte, um die zukünftige Nachfrage (und insbesondere die zukünftige Entwicklung) zu prognostizieren, ist es logisch, zu der Schlussfolgerung zu kommen, dass die jüngere Geschichte eine größere Auswirkung auf Ihre Prognose haben möchte. Wir können unsere gleitende durchschnittliche Berechnung anpassen, um verschiedene Gewichte auf jede Periode anzuwenden, um die gewünschten Ergebnisse zu erzielen. Wir geben diese Gewichte als Prozentsätze an, und die Summe aller Gewichte für alle Perioden muss zu 100 addieren. Wenn wir also entscheiden, dass wir 35 als Gewicht für die nächste Periode in unserem 4-monatigen gewichteten gleitenden Durchschnitt anwenden wollen, können wir Subtrahieren 35 von 100 zu finden, wir haben 65 übrig geblieben, um über die anderen 3 Perioden zu teilen. Zum Beispiel können wir am Ende mit einer Gewichtung von 15, 20, 30 und 35 für die 4 Monate (15 20 30 35 100). Exponentielle Glättung. Wenn wir auf das Konzept der Anwendung eines Gewichtes auf die jüngste Periode (wie z. B. 35 im vorigen Beispiel) und das Verbreiten des Restgewichts (berechnet durch Subtrahieren des letzten Periodengewichts von 35 von 100 auf 65) zurückgehen, haben wir Die Grundbausteine ​​für unsere exponentielle Glättungsberechnung. Der Steuereingang der Exponentialglättungsberechnung ist als Glättungsfaktor (auch Glättungskonstante genannt) bekannt. Es handelt sich im Wesentlichen um die Gewichtung für die jüngsten Zeiträume Nachfrage. Wenn wir also 35 als Gewichtung für die letzte Periode in der gewichteten gleitenden Durchschnittsberechnung verwendeten, könnten wir auch 35 als Glättungsfaktor in unserer exponentiellen Glättungsberechnung verwenden, um einen ähnlichen Effekt zu erhalten. Der Unterschied zu der exponentiellen Glättungsberechnung ist, dass anstelle von uns auch herauszufinden, wie viel Gewicht auf jede vorhergehende Periode anzuwenden ist, der Glättungsfaktor verwendet, um das automatisch zu tun. Also hier kommt der exponentielle Teil. Wenn wir 35 als Glättungsfaktor verwenden, beträgt die Gewichtung der letzten Periodennachfrage 35. Die Gewichtung der nächsten letzten Periodennachfrage (der Zeitraum vor dem jüngsten) beträgt 65 von 35 (65 ergibt sich aus der Subtraktion von 35 von 100). Dies entspricht 22,75 Gewichtung für diesen Zeitraum, wenn Sie die Mathematik. Die nächste Nachfrage nach der letzten Zeit wird 65 von 65 von 35 sein, was 14,79 entspricht. Der Zeitraum davor wird gewichtet mit 65 von 65 von 65 von 35, was 9,61 entspricht, und so weiter. Und dies geht zurück durch alle Ihre früheren Perioden den ganzen Weg zurück zum Anfang der Zeit (oder der Punkt, an dem Sie begonnen haben, exponentielle Glättung für das jeweilige Element). Youre wahrscheinlich denken, dass aussehen wie eine ganze Menge Mathe. Aber die Schönheit der exponentiellen Glättungsberechnung ist, dass, anstatt zu jeder vorherigen Periode neu berechnen müssen, jedes Mal wenn Sie eine neue Periodenanforderung erhalten, verwenden Sie einfach die Ausgabe der exponentiellen Glättungsberechnung aus der vorherigen Periode, um alle vorherigen Perioden darzustellen. Sind Sie noch verwirrt Dies wird mehr Sinn machen, wenn wir die tatsächliche Berechnung betrachten Normalerweise beziehen wir uns auf die Ausgabe der exponentiellen Glättung Berechnung als die nächste Periode Prognose. In Wirklichkeit braucht die endgültige Prognose etwas mehr Arbeit, aber für die Zwecke dieser spezifischen Berechnung werden wir sie als die Prognose bezeichnen. Die exponentielle Glättungsberechnung ist wie folgt: Die letzte Periodenforderung multipliziert mit dem Glättungsfaktor. PLUS Die Prognose der letzten Perioden multipliziert mit (minus Glättungsfaktor). D die letzten Perioden S den Glättungsfaktor, der in dezimaler Form dargestellt ist (also 35 als 0,35 dargestellt werden). F die letzten Periodenprognosen (die Ausgabe der Glättungsberechnung aus der vorherigen Periode). OR (unter Annahme eines Glättungsfaktors von 0,35) (D 0,35) (F 0,65) Es wird nicht viel einfacher als das. Wie Sie sehen können, benötigen wir für die Dateneingaben hier nur die jüngsten Zeiträume und die letzten Prognosezeiträume. Wir wenden den Glättungsfaktor (Gewichtung) auf die letzten Perioden an, die in der gewichteten gleitenden Durchschnittsberechnung dieselbe Weise erfordern. Anschließend legen wir die verbleibende Gewichtung (1 minus Glättungsfaktor) auf die jeweils aktuellsten Perioden an. Da die Prognose der letzten Perioden auf Basis der vorherigen Periodennachfrage und der vorherigen Periodenprognosen erstellt wurde, die auf der Nachfrage nach dem vorherigen Zeitraum und der Prognose für den Zeitraum vor der Prognose beruhte, der auf der Nachfrage für den Zeitraum zuvor beruhte Dass und die Prognose für den Zeitraum vor, dass auf der Grundlage der Zeitraum vor, dass. Gut, können Sie sehen, wie alle vorherigen Perioden Nachfrage sind in der Berechnung dargestellt, ohne tatsächlich zurück und Neuberechnung alles. Und das ist, was fuhr die anfängliche Popularität der exponentiellen Glättung. Es war nicht, weil es einen besseren Job des Glättens als gewogenen gleitenden Durchschnitt machte, war es, weil es einfacher war, in einem Computerprogramm zu berechnen. Und weil Sie didnt brauchen, um darüber nachzudenken, welche Gewichtung früheren Perioden zu geben oder wie viele vorherige Perioden zu verwenden, wie Sie in gewichteten gleitenden Durchschnitt. Und, weil es klang nur kühler als gewichtet gleitenden Durchschnitt. Tatsächlich könnte man argumentieren, dass der gewichtete gleitende Durchschnitt eine größere Flexibilität bietet, da Sie mehr Kontrolle über die Gewichtung früherer Perioden haben. Die Realität ist entweder von diesen können respektable Ergebnisse liefern, also warum nicht mit einfacher und kühler klingen gehen. Exponentielle Glättung in Excel Lets sehen, wie dies tatsächlich in einer Kalkulationstabelle mit realen Daten aussehen würde. Kopie des Urheberrechts. Inhalt auf InventoryOps ist urheberrechtlich geschützt und steht nicht für die Wiederveröffentlichung zur Verfügung. In Abbildung 1A haben wir eine Excel-Tabelle mit 11 Wochen Nachfrage und eine exponentiell geglättete Prognose aus dieser Nachfrage berechnet. Ive verwendete einen Glättungsfaktor von 25 (0,25 in Zelle C1). Die aktuelle aktive Zelle ist Zelle M4, die die Prognose für Woche 12 enthält. In der Formelleiste sehen Sie die Formel (L3C1) (L4 (1-C1)). Die einzigen direkten Eingaben zu dieser Berechnung sind die vorherigen Periodennachfrage (Zelle L3), die vorherigen Periodenvorhersage (Zelle L4) und der Glättungsfaktor (Zelle C1, dargestellt als absolute Zelle Bezug C1). Wenn wir eine exponentielle Glättungsberechnung starten, müssen wir den Wert für die 1. Prognose manuell stecken. Also in Zelle B4, anstatt eine Formel, haben wir nur in der Nachfrage aus der gleichen Periode wie die Prognose eingegeben. In der Zelle C4 haben wir unsere erste exponentielle Glättungsberechnung (B3C1) (B4 (1-C1)). Wir können dann kopieren Cell C4 und fügen Sie es in den Zellen D4 bis M4, um den Rest unserer prognostizierten Zellen zu füllen. Sie können nun auf eine beliebige Prognosezelle doppelklicken, um zu sehen, dass sie auf der vorherigen Periodenprognosezelle und den vorherigen Periodennachfragezellen basiert. Somit erbt jede nachfolgende exponentielle Glättungsberechnung die Ausgabe der vorherigen exponentiellen Glättungsberechnung. Das ist, wie jede vorherige Periodenanforderung in der letzten Periodenrechnung dargestellt wird, obwohl diese Berechnung nicht direkt auf die vorherigen Perioden bezieht. Wenn Sie Lust bekommen wollen, können Sie Excels Trace Präzedenzfall-Funktion. Klicken Sie dazu auf Cell M4, und klicken Sie dann in der Multifunktionsleiste (Excel 2007 oder 2010) auf die Registerkarte Formeln, und klicken Sie dann auf Vorverfolgung verfolgen. Es wird Verbindungslinien auf die erste Ebene der Präzedenzfälle ziehen, aber wenn Sie auf Trace Precedents klicken, zieht es Verbindungslinien zu allen vorherigen Perioden, um Ihnen die vererbten Beziehungen anzuzeigen. Jetzt können Sie sehen, was exponentielle Glättung für uns getan hat. Abbildung 1B zeigt ein Liniendiagramm unserer Nachfrage und Prognose. Sie sehen, wie die exponentiell geglättete Prognose die meiste Zersiedelung (das Springen um) von der wöchentlichen Nachfrage entfernt, aber dennoch gelingt, dem zu folgen, was ein Aufwärtstrend bei der Nachfrage zu sein scheint. Youll auch bemerken, dass die geglättete Vorhersagelinie tendenziell niedriger als die Nachfrage Linie ist. Dies wird als Trendverzögerung bezeichnet und ist ein Nebeneffekt des Glättprozesses. Jedes Mal, wenn Sie Glättung verwenden, wenn ein Trend vorliegt, wird Ihre Prognose hinter dem Trend zurückbleiben. Dies gilt für jede Glättungstechnik. In der Tat, wenn wir diese Tabellenkalkulation fortsetzen und beginnen Eingabe niedrigeren Nachfrage-Nummern (einen Abwärtstrend) würden Sie sehen, die Nachfrage Linie fallen, und die Trendlinie über sie vor dem Beginn der Abwärtstrend folgen. Thats, warum ich zuvor erwähnt, die Ausgabe aus der exponentiellen Glättung Berechnung, die wir eine Prognose nennen, braucht noch etwas mehr Arbeit. Es gibt viel mehr zu Prognosen als nur Glättung der Beulen in der Nachfrage. Wir müssen zusätzliche Anpassungen für Dinge wie Trend lag, Saisonalität, bekannte Ereignisse, die die Nachfrage beeinflussen können, etc. Aber alle, die über den Rahmen dieses Artikels. Sie werden wahrscheinlich auch in Begriffe wie double-exponentielle Glättung und Triple-exponentielle Glättung. Diese Begriffe sind ein wenig irreführend, da Sie nicht re-Glättung der Nachfrage mehrfach (Sie könnten, wenn Sie wollen, aber das ist nicht der Punkt hier). Diese Begriffe repräsentieren die Verwendung einer exponentiellen Glättung für zusätzliche Elemente der Prognose. Also mit einfacher exponentieller Glättung glätten Sie die Grundanforderung, aber mit doppelt-exponentieller Glättung glätten Sie die Grundanforderung plus den Trend und mit dreifach-exponentieller Glättung glätten Sie die Grundanforderung plus Trend und Saisonalität. Die andere am häufigsten gestellte Frage über exponentielle Glättung ist, wo bekomme ich meinen Glättungsfaktor Es gibt keine magische Antwort hier, müssen Sie verschiedene Glättungsfaktoren mit Ihren Nachfrage Daten testen, um zu sehen, was Ihnen die besten Ergebnisse zu testen. Es gibt Berechnungen, die den Glättungsfaktor automatisch einstellen (und ändern) können. Diese fallen unter den Begriff adaptive Glättung, aber Sie müssen vorsichtig mit ihnen sein. Es gibt einfach keine perfekte Antwort und Sie sollten nicht blind implementieren keine Berechnung ohne gründliche Prüfung und Entwicklung eines gründlichen Verständnis dessen, was die Berechnung tut. Sie sollten auch What-If-Szenarien ausführen, um zu sehen, wie diese Berechnungen auf Bedarfsänderungen reagieren, die möglicherweise nicht in den Bedarfsdaten vorhanden sind, die Sie für Tests verwenden. Das Datenbeispiel, das ich vorher verwendet habe, ist ein sehr gutes Beispiel für eine Situation, in der Sie wirklich einige andere Szenarien testen müssen. Dieses besondere Datenbeispiel zeigt einen etwas konsequenten Aufwärtstrend. Viele große Unternehmen mit sehr teuren Prognose-Software bekam in großen Schwierigkeiten in der nicht so fernen Vergangenheit, wenn ihre Software-Einstellungen, die für eine wachsende Wirtschaft gezwickt wurden nicht gut reagiert, wenn die Wirtschaft begann stagnieren oder schrumpfen. Dinge wie dieses passieren, wenn Sie nicht verstehen, was Ihre Berechnungen (Software) tatsächlich tun. Wenn sie ihr Prognosesystem verstanden, hätten sie gewußt, daß sie nötig waren, um zu springen und etwas zu ändern, als plötzliche dramatische Veränderungen an ihrem Geschäft auftraten. So dort haben Sie es die Grundlagen der exponentiellen Glättung erklärt. Wollen Sie mehr über die Verwendung exponentieller Glättung in einer aktuellen Prognose wissen, lesen Sie in meinem Buch Inventory Management Explained. Kopie des Urheberrechts. Inhalt auf InventoryOps ist urheberrechtlich geschützt und steht nicht für die Wiederveröffentlichung zur Verfügung. Dave Piasecki. Ist Eigentümer / Betreiber von Inventory Operations Consulting LLC. Ein Beratungsunternehmen, das Dienstleistungen im Zusammenhang mit Bestandsführung, Materialhandling und Lagerbetrieb anbietet. Er hat über 25 Jahre Erfahrung in der Betriebsführung und kann über seine Website (www. inventoryops) erreicht werden, wo er zusätzliche relevante Informationen unterhält. My BusinessAdd, ändern oder entfernen Sie eine Trendlinie in einem Diagramm Erfahren Sie mehr über die Prognose und die Darstellung von Trend in Diagrammen Trendlinien werden verwendet, um grafische Trends in Daten zu visualisieren und zu analysieren, Probleme der Vorhersage. Eine solche Analyse wird auch Regressionsanalyse genannt. Durch die Verwendung der Regressionsanalyse können Sie eine Trendlinie in einem Diagramm über die tatsächlichen Daten hinaus ausdehnen, um zukünftige Werte vorherzusagen. Beispielsweise verwendet das folgende Diagramm eine einfache lineare Trendlinie, die zwei Quartale prognostiziert, um klar einen Trend zu steigenden Umsätzen zu zeigen. Tipps Sie können auch einen gleitenden Durchschnitt erstellen, der Schwankungen in den Daten glättet und das Muster oder den Trend deutlicher zeigt. Wenn Sie ein Diagramm oder eine Datenreihe ändern, so dass es beispielsweise die zugehörige Trendlinie nicht mehr unterstützen kann, indem Sie den Diagrammtyp in ein 3D-Diagramm ändern oder die Ansicht eines PivotChart-Berichts oder eines zugeordneten PivotTable-Berichts ändern, wird die Trendlinie nicht mehr angezeigt Auf dem Diagramm. Für Zeilendaten ohne Diagramm können Sie AutoFill oder eine der statistischen Funktionen wie GROWTH () oder TREND () verwenden, um Daten für am besten passende lineare oder exponentielle Zeilen zu erstellen. Den richtigen Trendline-Typ für Ihre Daten auswählen Wenn Sie in Microsoft Office Excel eine Trendlinie zu einem Diagramm hinzufügen möchten, können Sie einen dieser sechs verschiedenen Trend - oder Regressionstypen wählen: lineare Trendlinien, logarithmische Trendlinien, Polynom-Trendlinien, Power-Trendlinien, exponentiell Trendlinien oder gleitende durchschnittliche Trendlinien. Die Art der Daten, die Sie festlegen, die Art der Trendlinie, die Sie verwenden sollten. Eine Trendlinie ist am genauesten, wenn ihr R-squared-Wert auf oder nahe bei 1. Wenn Sie eine Trendlinie zu Ihren Daten passen, berechnet Excel automatisch seinen R-Quadrat-Wert. Wenn Sie möchten, können Sie diesen Wert in Ihrem Diagramm anzeigen. Lineare Trendlinien Eine lineare Trendlinie ist eine am besten passende gerade Linie, die mit einfachen linearen Datensätzen verwendet wird. Ihre Daten sind linear, wenn das Muster in seinen Datenpunkten einer Linie ähnelt. Eine lineare Trendlinie zeigt in der Regel, dass etwas mit steiler Geschwindigkeit steigt oder sinkt. Im folgenden Beispiel illustriert eine lineare Trendlinie, dass die Verkäufe von Kühlschränken über einen Zeitraum von 13 Jahren konstant gestiegen sind. Beachten Sie, dass der R-Quadrat-Wert 0,979 ist, was eine gute Übereinstimmung der Zeile zu den Daten ist. Logarithmische Trendlinien Eine logarithmische Trendlinie ist eine am besten passende gekrümmte Linie, die verwendet wird, wenn die Änderungsrate der Daten schnell zunimmt oder abnimmt und dann abnimmt. Eine logarithmische Trendlinie kann sowohl negative als auch positive Werte verwenden. Das folgende Beispiel verwendet eine logarithmische Trendlinie, um das prognostizierte Bevölkerungswachstum von Tieren in einem festen Raum zu veranschaulichen, in dem die Population ausgeglichen wurde, als der Platz für die Tiere abnahm. Beachten Sie, dass der R-Quadrat-Wert 0,933 ist, was eine relativ gute Passung der Zeile zu den Daten ist. Polynom-Trendlinien Eine Polynom-Trendlinie ist eine gekrümmte Linie, die verwendet wird, wenn Daten schwanken. Es eignet sich zum Beispiel für die Analyse von Gewinnen und Verlusten über einen großen Datensatz. Die Reihenfolge des Polynoms kann durch die Anzahl der Fluktuationen in den Daten oder durch die Anzahl der Biegungen (Hügel und Täler) in der Kurve bestimmt werden. Eine Ordnung 2 Polynom-Trendlinie hat in der Regel nur einen Hügel oder Tal. Ordnung 3 hat im Allgemeinen ein oder zwei Hügel oder Täler. Ordnung 4 hat in der Regel bis zu drei Hügeln oder Tälern. Das folgende Beispiel zeigt eine Polynom-Trendlinie (ein Hügel), um die Beziehung zwischen Fahrgeschwindigkeit und Kraftstoffverbrauch zu erläutern. Beachten Sie, dass der R-Quadrat-Wert 0,979 ist, was eine gute Übereinstimmung der Zeile zu den Daten ist. Leistung Trendlinien Eine Leistung Trendlinie ist eine gekrümmte Linie, die mit Datensätzen, die Messungen, die mit einer bestimmten Rate, zum Beispiel die Beschleunigung eines Rennwagens in 1-Sekunden-Intervallen zu erhöhen vergleichen. Sie können keine Power-Trendline erstellen, wenn Ihre Daten Null - oder negative Werte enthalten. Im folgenden Beispiel werden Beschleunigungsdaten durch Zeichnen der Distanz in Metern pro Sekunde dargestellt. Die Leistung Trendlinie zeigt deutlich die zunehmende Beschleunigung. Beachten Sie, dass der R-Quadrat-Wert 0,986 ist, was eine nahezu perfekte Passung der Zeile zu den Daten ist. Exponentielle Trendlinien Eine exponentielle Trendlinie ist eine gekrümmte Linie, die verwendet wird, wenn Datenwerte mit stetig steigenden Raten steigen oder fallen. Sie können keine exponentielle Trendlinie erstellen, wenn Ihre Daten Null - oder negative Werte enthalten. Im folgenden Beispiel wird eine exponentielle Trendlinie verwendet, um die abnehmende Menge an Kohlenstoff 14 in einem Objekt zu veranschaulichen, während es altert. Beachten Sie, dass der R-Quadrat-Wert 0.990 ist, was bedeutet, dass die Linie die Daten nahezu perfekt passt. Gleitende durchschnittliche Trendlinien Eine gleitende durchschnittliche Trendlinie glättet die Fluktuationen der Daten, um ein Muster oder einen Trend deutlicher darzustellen. Ein gleitender Durchschnitt verwendet eine bestimmte Anzahl von Datenpunkten (von der Periode Option), mittelt diese und verwendet den Durchschnittswert als ein Punkt in der Linie. Wenn beispielsweise Period auf 2 gesetzt ist, wird der Durchschnitt der ersten beiden Datenpunkte als erster Punkt in der gleitenden durchschnittlichen Trendlinie verwendet. Der Durchschnitt der zweiten und dritten Datenpunkte wird als zweiter Punkt in der Trendlinie usw. verwendet. Im folgenden Beispiel zeigt eine gleitende durchschnittliche Trendlinie ein Muster in der Anzahl der über einen Zeitraum von 26 Wochen verkauften Häuser. Hinzufügen einer Trendlinie Klicken Sie auf einer Datenreihe, auf die Sie eine Trendlinie oder einen gleitenden Durchschnitt hinzufügen möchten, auf einer unstacked, 2-D-, Bereichs-, Balken-, Spalten-, Linien-, Lager-, xy - (Scatter-) oder Blasendiagramm Um die Datenreihe aus einer Liste von Diagrammelementen auszuwählen: Klicken Sie auf eine beliebige Stelle im Diagramm. Dadurch werden die Diagrammtools angezeigt. Hinzufügen des Designs. Layout . Und Format-Registerkarten. Klicken Sie auf der Registerkarte Format in der Gruppe Aktuelle Auswahl auf den Pfeil neben dem Diagrammelemente-Feld, und klicken Sie dann auf das Diagrammelement, das gewünscht wird. Hinweis: Wenn Sie ein Diagramm mit mehr als einer Datenreihe auswählen, ohne eine Datenreihe auszuwählen, zeigt Excel das Dialogfeld Trendlinie hinzufügen an. Klicken Sie im Listenfeld auf die gewünschte Datenreihe, und klicken Sie dann auf OK. Klicken Sie auf der Registerkarte Layout in der Gruppe Analysis auf Trendline. Führen Sie einen der folgenden Schritte aus: Klicken Sie auf eine vordefinierte Trendline-Option, die Sie verwenden möchten. Hinweis: Dies gilt für eine Trendlinie, ohne dass Sie bestimmte Optionen auswählen können. Klicken Sie auf Weitere Trendlinienoptionen. Und dann in der Kategorie Trendlinienoptionen unter Trend - / Regressionstyp. Klicken Sie auf die Art der Trendlinie, die Sie verwenden möchten. Wie zu berechnen Weighted Moving Averages in Excel mit exponentiellen Glättung Excel-Datenanalyse für Dummies, 2nd Edition Das exponentielle Glättungswerkzeug in Excel berechnet den gleitenden Durchschnitt. Die exponentielle Glättung gewichtet jedoch die in den gleitenden Durchschnittsberechnungen enthaltenen Werte, so daß neuere Werte einen größeren Einfluss auf die Durchschnittsberechnung haben und alte Werte einen geringeren Effekt haben. Diese Gewichtung wird durch eine Glättungskonstante erreicht. Um zu veranschaulichen, wie das Exponential-Glättungswerkzeug arbeitet, nehmen Sie an, dass Sie wieder die durchschnittliche tägliche Temperaturinformation betrachten. Gehen Sie folgendermaßen vor, um gewichtete gleitende Mittelwerte mit exponentieller Glättung zu berechnen: Um einen exponentiell geglätteten gleitenden Durchschnitt zu berechnen, klicken Sie zuerst auf die Schaltfläche Data tab8217s Data Analysis. Wenn Excel das Dialogfeld Datenanalyse anzeigt, wählen Sie aus der Liste den Punkt Exponentielle Glättung aus, und klicken Sie dann auf OK. Excel zeigt das Dialogfeld Exponentielle Glättung an. Identifizieren Sie die Daten. Um die Daten zu identifizieren, für die Sie einen exponentiell geglätteten gleitenden Durchschnitt berechnen möchten, klicken Sie in das Textfeld Eingabebereich. Identifizieren Sie dann den Eingabebereich, indem Sie entweder eine Arbeitsbereichsadresse eingeben oder den Arbeitsblattbereich auswählen. Wenn Ihr Eingabebereich eine Textbeschriftung enthält, um Ihre Daten zu identifizieren oder zu beschreiben, aktivieren Sie das Kontrollkästchen Labels. Geben Sie die Glättung konstant. Geben Sie den Glättungskonstantenwert in das Textfeld Dämpfungsfaktor ein. Die Excel-Hilfedatei legt nahe, dass Sie eine Glättungskonstante zwischen 0,2 und 0,3 verwenden. Vermutlich jedoch, wenn Sie dieses Werkzeug verwenden, haben Sie Ihre eigenen Ideen, was die richtige Glättungskonstante ist. (Wenn you8217re ahnungslos über die Glättungskonstante, vielleicht sollten Sie shouldn8217t mit diesem Tool.) Sagen Sie Excel, wo die exponentiell geglättete gleitende durchschnittliche Daten platzieren. Verwenden Sie das Textfeld Ausgabebereich, um den Arbeitsblattbereich zu identifizieren, in dem Sie die gleitenden Durchschnittsdaten platzieren möchten. Beispielsweise legen Sie die gleitenden Durchschnittsdaten in das Arbeitsblatt-Feld B2: B10. (Optional) Diagramm die exponentiell geglätteten Daten. Um die exponentiell geglätteten Daten darzustellen, aktivieren Sie das Kontrollkästchen "Diagrammausgabe". (Optional) Geben Sie an, dass Standardfehlerinformationen berechnet werden sollen. Um Standardfehler zu berechnen, aktivieren Sie das Kontrollkästchen Standardfehler. Excel legt Standardfehlerwerte neben den exponentiell geglätteten gleitenden Mittelwerten fest. Klicken Sie auf OK, nachdem Sie festgelegt haben, welche gleitenden durchschnittlichen Informationen Sie berechnen möchten und wo Sie sie platzieren möchten. Excel berechnet gleitende Durchschnittsinformationen.