seychellesartprojects.org

EWMA (eksponenciāli svērtā slīdošā vidējā) definīcija

Eksponenciāli svērtais slīdošais vidējais (EWMA) attiecas uz datu vidējo lielumu, kas tiek izmantots portfeļa kustības izsekošanai, pārbaudot rezultātus un izvadi, ņemot vērā dažādos faktorus un piešķirot tiem svaru un pēc tam izsekojot rezultātus, lai novērtētu veiktspēju un veikt uzlabojumus

EWMA svars samazina eksponenciāli katru periodu, kas iet tālāk pagātnē. Turklāt, tā kā EWMA satur iepriekš aprēķināto vidējo rādītāju, eksponenciāli svērtā slīdošā vidējā rezultāts būs kumulatīvs. Tāpēc visi datu punkti veicinās rezultātu, bet ieguldījuma koeficients samazināsies, aprēķinot nākamo periodu EWMA.

Paskaidrojums

Šī EWMA formula parāda slīdošā vidējā vērtību laikā t.

EWMA (t) = a * x (t) + (1-a) * EWMA (t-1)

Kur

• EWMA (t) = slīdošais vidējais laikā t
• a = sajaukšanas parametra vērtības pakāpe no 0 līdz 1
• x (t) = signāla x vērtība laikā t

Šī formula norāda slīdošā vidējā vērtību laikā t. Šis ir parametrs, kas parāda ātrumu, kādā vecākie dati tiks aprēķināti. A vērtība būs no 0 līdz 1.

Ja a = 1, tas nozīmē, ka EWMA mērīšanai izmantoti tikai jaunākie dati. Ja a tuvojas 0, tas nozīmē, ka vecākiem datiem tiek piešķirts lielāks svars, un, ja a ir tuvu 1, tas nozīmē, ka jaunākiem datiem ir piešķirts lielāks svars.

EWMA piemēri

Tālāk ir sniegti eksponenciāli svērtā slīdošā vidējā piemēri

Šo EWMA Excel veidni varat lejupielādēt šeit - EWMA Excel veidne

1. piemērs

Apsvērsim 5 datu punktus, kā norādīts zemāk esošajā tabulā:

Un parametrs a = 30% vai 0,3

Tātad EWMA (1) = 40

2. laika EWMA ir šāda

• EWMA (2) = 0,3 * 45 + (1-0,3) * 40,00
• = 41,5

Līdzīgi aprēķiniet eksponenciāli svērto slīdošo vidējo vērtību noteiktajiem laikiem -

• EWMA (3) = 0,3 * 43 + (1-0,3) * 41,5 = 41,95
• EWMA (4) = 0,3 * 31 + (1-0,3) * 41,95 = 38,67
• EWMA (5) = 0,3 * 20 + (1-0,3) * 38,67 = 33,07

2. piemērs

No svētdienas līdz sestdienai mums ir pilsētas temperatūra grādos pēc Celsija. Izmantojot a = 10%, mēs atradīsim temperatūras mainīgo vidējo rādītāju katrai nedēļas dienai.

Izmantojot a = 10%, zemāk esošajā tabulā atradīsim katras dienas eksponenciāli svērto slīdošo vidējo rādītāju:

Zemāk ir diagramma, kurā parādīts faktiskās temperatūras un EWMA salīdzinājums:

Kā redzam, izlīdzināšana ir diezgan spēcīga, izmantojot = 10%. Tādā pašā veidā mēs varam atrisināt eksponenciāli svērto slīdošo vidējo daudzu veidu laika rindām vai secīgām datu kopām.

Priekšrocības

• To var izmantot, lai atrastu vidējo, izmantojot visu datu vai izvades vēsturi. Visas pārējās diagrammas mēdz katru informāciju apstrādāt individuāli.
• Lietotājs katram svarīgajam punktam var noteikt svaru atbilstoši savām ērtībām. Šo svaru var mainīt, lai salīdzinātu dažādus vidējos rādītājus.
• EWMA datus parāda ģeometriski. Šī iemesla dēļ dati netiek īpaši ietekmēti, ja rodas neparasti rādītāji.
• Katrs eksponenciāli svērtā slīdošā vidējā datu punkts norāda punktu kustīgo vidējo vērtību.

Ierobežojumi

• To var izmantot tikai tad, ja laika periodā ir pieejami nepārtraukti dati.
• To var izmantot tikai tad, ja mēs vēlamies atklāt nelielu procesa nobīdi.
• Šo metodi var izmantot, lai aprēķinātu vidējo. Lai uzraudzītu dispersiju, lietotājam jāizmanto kāda cita tehnika.

Svarīgi punkti

• Dati, kuriem mēs vēlamies iegūt eksponenciāli svērto slīdošo vidējo rādītāju, būtu jāpasaka pēc laika.
• Tas ir ļoti noderīgi, lai samazinātu troksni trokšņainos laika rindu datu punktos, kurus var saukt par vienmērīgiem.
• Katrai izejai tiek piešķirts svars. Jaunāki dati ir visaugstākais svars, ko tas saņems.
• Tas ir diezgan labi, lai noteiktu mazāku maiņu, bet lēnāk - lielo maiņu.
• To var izmantot, ja apakšgrupas izlases lielums ir lielāks par 1.
• Reālajā pasaulē šo metodi var izmantot ķīmiskajos procesos un ikdienas grāmatvedības procesos.
• To var izmantot arī, lai parādītu vietnes apmeklētāju svārstības nedēļas dienās.

Secinājums

EWMA ir rīks, lai noteiktu mazākas nobīdes vidējā laika ierobežotā procesa laikā. Arī eksponenciāli svērtais slīdošais vidējais rādītājs ir ļoti pētīts un izmanto modeli, lai atrastu datu slīdošo vidējo rādītāju. Tas ir arī ļoti noderīgi, lai prognozētu notikumu bāzi par iepriekšējiem datiem. Eksponenciāli svērtais slīdošais vidējais ir pieņemts pamats tam, ka novērojumi parasti tiek sadalīti. Tā apsver iepriekšējos datus, pamatojoties uz viņu svaru. Tā kā dati ir vairāk pagātnē, to svars aprēķinam samazināsies eksponenciāli.

Lietotāji var arī ņemt vērā iepriekšējo datu svaru, lai uzzinātu atšķirīgu EWMA bāzes kopumu, kas atšķiras. Arī ģeometriski attēloto datu dēļ dati daudz neietekmē izņēmumu dēļ, tāpēc, izmantojot šo metodi, var iegūt daudz izlīdzinātus datus.