مثال على التنبؤ المتوسط المتحرك المرجح

المتوسطات المتحركة المرجحة: الأساسيات على مر السنين، وجد الفنيون مشكلتين مع المتوسط ​​المتحرك البسيط. تكمن المشكلة الأولى في الإطار الزمني للمتوسط ​​المتحرك (ما). ويعتقد معظم المحللين الفنيين أن العمل السعر. فتح أو إغلاق سعر السهم، لا يكفي على أن تعتمد على التنبؤ بشكل صحيح شراء أو بيع إشارات العمل كروس ما. ولحل هذه المشكلة، يعين المحللون الآن مزيدا من الوزن لأحدث بيانات الأسعار باستخدام المتوسط ​​المتحرك الممتد أضعافا مضاعفة (إما). (مزيد من المعلومات في استكشاف المتوسط ​​المتحرك الموزون أضعاف.) مثال على سبيل المثال، باستخدام ما 10 أيام، فإن المحلل يأخذ سعر الإغلاق لليوم العاشر ويضاعف هذا الرقم قبل 10، في اليوم التاسع من تسعة، والثامنة يوم من قبل ثمانية وهلم جرا إلى أول من ماجستير. وبمجرد تحديد المجموع، يقوم المحلل بعد ذلك بتقسيم الرقم بإضافة المضاعفات. إذا قمت بإضافة مضاعفات المثال ما 10 أيام، فإن الرقم هو 55. ويعرف هذا المؤشر باسم المتوسط ​​المتحرك المرجح خطي. (للحصول على القراءة ذات الصلة، تحقق من المتوسطات المتحركة البسيطة جعل الاتجاهات الوقوف.) العديد من الفنيين مؤمنين بقوة في المتوسط ​​المتحرك السلس أضعافا (إما). وقد تم شرح هذا المؤشر في العديد من الطرق المختلفة التي يخلط بين الطلاب والمستثمرين على حد سواء. ولعل أفضل تفسير يأتي من جون ج. مورفيس التحليل الفني للأسواق المالية، (نشره معهد نيويورك المالي، 1999): يعالج المتوسط ​​المتحرك الممتد أضعافا مضاعفة المشاكل المرتبطة بالمتوسط ​​المتحرك البسيط. فأولا، يعين المتوسط ​​الملمس أضعافا أكبر وزنا أكبر للبيانات الأحدث. ولذلك، فهو متوسط ​​متحرك مرجح. ولكن في حين أنه يولي أهمية أقل لبيانات الأسعار الماضية، فإنه يشمل في حسابه جميع البيانات في حياة الصك. وبالإضافة إلى ذلك، يمكن للمستخدم ضبط الترجيح لإعطاء وزن أكبر أو أقل لسعر الأيام الأخيرة، والذي يضاف إلى نسبة مئوية من قيمة الأيام السابقة. ويضاف مجموع قيمتي النسبة المئوية إلى 100. على سبيل المثال، يمكن تعيين سعر الأيام الأخيرة على وزن 10 (10)، والذي يضاف إلى وزن الأيام السابقة 90 (.90). وهذا يعطي اليوم الأخير 10 من إجمالي الترجيح. هذا سيكون ما يعادل متوسط ​​20 يوما، من خلال إعطاء سعر الأيام الماضية قيمة أصغر من 5 (.05). الشكل 1: المتوسط ​​المتحرك الملمس أضعافا مضاعفة يظهر الرسم البياني أعلاه مؤشر ناسداك المركب من الأسبوع الأول في أغسطس 2000 إلى 1 يونيو 2001. كما ترون بوضوح، إما، والتي في هذه الحالة تستخدم بيانات سعر الإغلاق فوق لمدة تسعة أيام، لديها إشارات بيع محددة في 8 سبتمبر (تميزت لأسفل أسود لأسفل). وكان هذا هو اليوم الذي كسر فيه المؤشر دون مستوى 4000. يظهر السهم الأسود الثاني آخر أسفل الساق التي الفنيين كانوا يتوقعون فعلا. لم يتمكن ناسداك من توليد ما يكفي من حجم واهتمام من المستثمرين التجزئة لكسر 3000 علامة. ثم ينخفض ​​مرة أخرى إلى أسفل إلى أسفل في 1619.58 في ابريل 4. يتميز الاتجاه الصعودي 12 أبريل السهم. وهنا أغلق المؤشر عند 1،961.46، وبدأ الفنيون في رؤية مديري الصناديق المؤسسية بدءا من التقاط بعض الصفقات مثل سيسكو ومايكروسوفت وبعض القضايا المتعلقة بالطاقة. (اقرأ مقالاتنا ذات الصلة: متحرك متوسط ​​المغلفات: تكرير أداة التداول الشعبي ومتوسط ​​الارتداد المتحرك). أمثلة حساب التوقعات A.1 طرق حساب التوقعات تتوفر اثنتا عشرة طريقة 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 الدقة ومتوسط ​​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 على أفضل وجه (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 حساب حساب التنبؤ 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 ل b في 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. يؤدي البرنامج النصي في هذه الصفحة إلى تحسين تنقل المحتوى، ولكنه لا يغير المحتوى بأي شكل من الأشكال. فوريكاستينغ يتضمن التنبؤ إنشاء رقم أو مجموعة من الأرقام أو السيناريو يتوافق مع حدوث مستقبلي. ومن الضروري للغاية التخطيط القصير المدى والطويل المدى. وبحسب التعريف، تستند التوقعات إلى البيانات السابقة، بدلا من التنبؤ، الذي هو أكثر موضوعية ويستند إلى غريزة، ويشعر الأمعاء، أو تخمين. على سبيل المثال، فإن الأخبار المسائية يعطي الطقس x0022forecastx0022 لا الطقس x0022prediction. x0022 بغض النظر، وغالبا ما تستخدم المصطلحات التنبؤ والتنبؤ بين بالتغيير. على سبيل المثال، تعاريف تقنية regressionx2014a التي تستخدم أحيانا في التنبؤ x2014 عموما تشير إلى أن الغرض منه هو شرح أو x0022predict. x0022 ويستند التنبؤ على عدد من الافتراضات: الماضي سوف يكرر نفسه. وبعبارة أخرى، فإن ما حدث في الماضي سيحدث مرة أخرى في المستقبل. ومع تقصير أفق التوقعات، تزداد دقة التنبؤات. على سبيل المثال، فإن توقعات الغد ستكون أكثر دقة من توقعات الشهر المقبل ستكون التوقعات للشهر المقبل أكثر دقة من التوقعات للعام المقبل، وسوف تكون التوقعات للعام المقبل أكثر دقة من التوقعات لمدة عشر سنوات في مستقبل. والتنبؤ في المجموع هو أكثر دقة من التنبؤ بالعناصر الفردية. وهذا يعني أن الشركة سوف تكون قادرة على التنبؤ إجمالي الطلب على كامل مجموعة من المنتجات بشكل أكثر دقة من أنها سوف تكون قادرة على التنبؤ وحدات حفظ المخزون الفردية (سكو). على سبيل المثال، يمكن لشركة جنرال موتورز توقع أكثر دقة العدد الإجمالي للسيارات المطلوبة للعام المقبل من العدد الإجمالي لشفروليه إمبالاس البيضاء مع مجموعة خيارات معينة. التنبؤات نادرا ما تكون دقيقة. وعلاوة على ذلك، فإن التنبؤات لا تكاد تكون دقيقة تماما. في حين أن بعض قريبة جدا، وقلة من x0022right على money. x0022 لذلك، فمن الحكمة لتقديم توقعات x0022range. x0022 إذا كان واحد لتوقع الطلب من 100،000 وحدة للشهر المقبل، فمن غير المرجح للغاية أن الطلب سوف يساوي 100،000 بالضبط. ومع ذلك، فإن التوقعات التي تتراوح بين 000 90 و 000 110 سوف توفر هدفا أكبر بكثير للتخطيط. ويليام ج. ستيفنسون يسرد عددا من الخصائص المشتركة بين توقعات جيدة: يجب تحديد درجة دقة Accuratex2014 بعض وتسجيلها بحيث يمكن إجراء مقارنة للتنبؤات البديلة. موثوقx2014 يجب أن توفر طريقة التنبؤ باستمرار توقعات جيدة إذا كان المستخدم هو إنشاء درجة معينة من الثقة. وفي الوقت المناسب، هناك حاجة إلى قدر معين من الوقت للرد على التوقعات، لذا يجب أن يسمح أفق التنبؤ بالوقت اللازم لإجراء التغييرات. سهلة الاستخدام و understandx2014users من توقعات يجب أن تكون واثقة ومريحة العمل معها. وينبغي أن ال تزيد تكلفة وضع التوقعات عن التكلفة التي تحققت من التوقعات. وتتراوح تقنيات التنبؤ من بسيطة إلى معقدة للغاية. وعادة ما تصنف هذه التقنيات على أنها نوعية أو كمية. التقنيات النوعية تعتبر تقنيات التنبؤ النوعي أكثر عمومية من نظيراتها الكمية. التقنيات النوعية هي أكثر فائدة في المراحل الأولى من دورة حياة المنتج، عندما تكون البيانات السابقة أقل لاستخدامها في الأساليب الكمية. وتشمل الأساليب النوعية تقنية دلفي، تقنية المجموعة الاسمية (نغت)، آراء قوة المبيعات، الآراء التنفيذية، وأبحاث السوق. تقنية دلفي. تستخدم تقنية دلفي فريق من الخبراء لإنتاج توقعات. ويطلب من كل خبير تقديم توقعات محددة للحاجة في متناول اليد. وبعد إجراء التوقعات الأولية، يقرأ كل خبير ما كتبه كل خبير آخر، وهو بالطبع متأثر بآرائه. وبعد ذلك يقوم كل خبير بتنبؤ لاحق. ثم يقرأ كل خبير مرة أخرى ما كتبه كل خبير آخر ويتأثر مرة أخرى بتصورات الآخرين. وتكرر هذه العملية نفسها إلى أن يقترب كل خبير من الاتفاق بشأن السيناريو أو الأرقام المطلوبة. تقنية مجموعة الاسمية. تقنية المجموعة الاسمية تشبه تقنية دلفي في أنها تستخدم مجموعة من المشاركين، وعادة الخبراء. وبعد أن يستجيب المشاركون للأسئلة المتعلقة بالتنبؤات، يصنفون ردودهم حسب الأهمية النسبية المتصورة. ثم يتم تجميع التصنيف وتجميعها. وفي نهاية المطاف، ينبغي أن تتوصل المجموعة إلى توافق في الآراء بشأن أولويات القضايا المصنفة. قوة المبيعات آيات. وغالبا ما يكون موظفو المبيعات مصدرا جيدا للمعلومات المتعلقة بالطلب في المستقبل. قد يطلب مدير المبيعات الحصول على مدخلات من كل شخص مبيعات وتجميع ردودهم في توقعات مركب قوة المبيعات. يجب توخي الحذر عند استخدام هذه التقنية لأن أعضاء قوة المبيعات قد لا تكون قادرة على التمييز بين ما يقوله العملاء وما يفعلونه فعلا. أيضا، إذا تم استخدام التوقعات لإنشاء حصص المبيعات، قد يميل قوة المبيعات لتقديم تقديرات أقل. الآراء التنفيذية. وفي بعض الأحيان، يلتقي المديرون في المستويات العليا ويطورون التوقعات استنادا إلى معرفتهم بمجالات مسؤوليتهم. ويشار إليها أحيانا باسم هيئة محلفين للرأي التنفيذي. البحث عن المتجر. وفي أبحاث السوق، تستخدم استقصاءات المستهلكين لتحديد الطلب المحتمل. وعادة ما ينطوي هذا البحث التسويقي على إنشاء استبيان يلتمس المعلومات الشخصية والديموغرافية والاقتصادية والتسويقية. وفي بعض األحيان، يقوم باحثو السوق بجمع هذه المعلومات شخصيا في منافذ البيع بالتجزئة ومراكز التسوق حيث يمكن للمستهلك أن يعاني من منتج معين، ويشعر، ورائحة، و sex2014a. يجب على الباحث أن يكون حذرا من أن عينة الأشخاص الذين شملهم الاستطلاع تمثل هدف المستهلك المطلوب. التقنيات الكمية تعتبر تقنيات التنبؤ الكمي أكثر موضوعية من نظيراتها النوعية. ويمكن أن تكون التنبؤات الكمية تنبؤات بالسلاسل الزمنية (أي توقعات الماضي في المستقبل) أو التنبؤات القائمة على النماذج التعاونية (أي استنادا إلى متغير واحد أو أكثر من المتغيرات التفسيرية). قد تحتوي بيانات السلاسل الزمنية على السلوكيات الأساسية التي تحتاج إلى تحديدها من قبل المتنبأ. وبالإضافة إلى ذلك، قد تحتاج التوقعات لتحديد أسباب السلوك. قد تكون بعض هذه السلوكيات أنماط أو اختلافات عشوائية ببساطة. ومن بين الأنماط: الاتجاهات، وهي حركات طويلة الأمد (صعودا أو هبوطا) في البيانات. موسمية، والتي تنتج الاختلافات على المدى القصير التي ترتبط عادة إلى الوقت من السنة والشهر، أو حتى يوم معين، كما تشهد مبيعات التجزئة في عيد الميلاد أو ارتفاع طفيف في النشاط المصرفي في الأول من الشهر والجمعة. والدورات، وهي الاختلافات الموجية التي تستمر لأكثر من سنة والتي ترتبط عادة بالظروف الاقتصادية أو السياسية. الاختلافات غير النظامية التي لا تعكس السلوك النموذجي، مثل فترة من الطقس المتطرف أو اضراب الاتحاد. الاختلافات العشوائية، والتي تشمل جميع السلوكيات غير النمطية التي لا تمثلها التصنيفات الأخرى. من بين نماذج السلاسل الزمنية، أبسط هو توقعات ناكسيفف. وتستخدم توقعات ناكسيف ببساطة الطلب الفعلي خلال الفترة الماضية كطلب متوقع للفترة المقبلة. وهذا، بطبيعة الحال، يجعل الافتراض بأن الماضي سوف يكرر. كما يفترض أن أي اتجاهات، موسمية، أو دورات إما تنعكس في طلب الفترة السابقة 0027ss أو غير موجودة. ويرد في الجدول 1 مثال لتنبؤ ناكسيف. الجدول 1 التنبؤ ناكسيفف أسلوب آخر بسيط هو استخدام المتوسط. ولتحقيق توقعات باستخدام المتوسط، يأخذ المرء ببساطة متوسط ​​عدد من فترات البيانات السابقة عن طريق تجميع كل فترة وتقسيم النتيجة حسب عدد الفترات. وقد وجد أن هذه التقنية فعالة جدا للتنبؤ قصير المدى. وتشمل التغيرات في المتوسط ​​المتوسط ​​المتحرك، والمتوسط ​​المرجح، والمتوسط ​​المتحرك المرجح. ويتحرك المتوسط ​​المتحرك لعدد محدد سلفا من الفترات، ويقيس الطلب الفعلي، ويقسم حسب عدد الفترات للوصول إلى التوقعات. لكل فترة لاحقة، أقدم فترة من البيانات تنخفض وتضاف أحدث فترة. وبافتراض متوسط ​​متحرك لمدة ثلاثة أشهر واستخدام البيانات الواردة في الجدول 1، سيضيف المرء ببساطة 45 (يناير) و 60 (فبراير) و 72 (مارس) ويقسم إلى ثلاثة للوصول إلى توقعات في أبريل: 45 60 72 177 x00F7 3 59 للوصول إلى توقعات لشھر مایو، من المتوقع أن یقل الطلب من المعادلة ویضاف الطلب من شھر أبریل. ويقدم الجدول 2 مثالا لتوقعات المتوسط ​​المتحرك لمدة ثلاثة أشهر. الجدول 2 المتوسط ​​المتحرك المتوقع لثلاثة أشهر الطلب الفعلي (000x0027s) يسري المتوسط ​​المرجح على وزن محدد سلفا لكل شهر من البيانات السابقة، ويجمع البيانات السابقة من كل فترة، ويقسم حسب إجمالي الأوزان. وإذا قام المرصد بتعديل الأوزان بحيث يساوي مجموعها 1، فإن الأوزان تضرب بالطلب الفعلي لكل فترة منطبقة. ثم يتم جمع النتائج لتحقيق توقعات مرجحة. بشكل عام، كلما كانت البيانات أكثر حداثة كلما زاد الوزن، وكبار السن كانت البيانات أصغر. باستخدام مثال الطلب، المتوسط ​​المرجح باستخدام أوزان .4. (2) و (1). ومن شأن التنبؤين أن يستخدموا معا متوسط ​​المتوسط ​​المرجح وتوقعات المتوسط ​​المتحرك . ويعين متوسط ​​المتوسط ​​المتحرك المرجح الأوزان لعدد محدد سلفا من فترات البيانات الفعلية ويحسب التنبؤ بالطريقة نفسها المبينة أعلاه. كما هو الحال مع جميع التوقعات المتحركة، وكلما أضيفت فترة جديدة، يتم تجاهل البيانات من أقدم فترة. ويوضح الجدول 3 توقعات المتوسط ​​المتحرك المرجح لمدة ثلاثة أشهر باستخدام الأوزان. 3، و .2. الجدول 3 3x2013 الشهر الترجيح المتوسط ​​المتوسط ​​التنبؤ الفعلي الطلب (000x0027s) شكل أكثر تعقيدا من المتوسط ​​المتحرك المرجح هو التماسك الأسي، لذلك سميت لأن الوزن ينخفض ​​أضعافا مضاعفة مع أعمار البيانات. إن التجانس الأسي يأخذ التنبؤات السابقة x0027s ويضبطها بواسطة ثابت تمهيد محدد مسبقا، x03AC (يسمى ألفا قيمة ألفا أقل من واحد) مضروبا في الفرق في التوقعات السابقة والطلب الذي حدث فعلا خلال الفترة المتوقعة سابقا (تسمى خطأ التنبؤ). ويعبر عن التجانس الأسي على النحو التالي: توقعات جديدة ألفا التنبؤ السابق (الطلب الفعلي x2212 التوقعات السابقة) فف x03AC (A 2222 F) التماسك الأسي يتطلب المتنبأ لبدء التنبؤ في الفترة الماضية والعمل إلى الأمام إلى الفترة التي تيار هناك حاجة إلى التنبؤ. ومن الضروري أيضا وجود قدر كبير من البيانات السابقة وتوقعات أولية أو أولية. ويمكن أن تكون التوقعات الأولية توقعات فعلية من فترة سابقة، أو الطلب الفعلي من فترة سابقة، أو يمكن تقديرها عن طريق حساب متوسط ​​أو جزء من البيانات السابقة. وتوجد بعض الاستدلاليات لحساب توقعات أولية. على سبيل المثال، فإن N N 2 (XF7 x03AC) x2212 1 و ألفا من 0.5 سيؤدي إلى N من 3، مما يشير إلى أن المستخدم متوسط ​​الفترات الثلاث الأولى من البيانات للحصول على توقعات أولية. ومع ذلك، فإن دقة التوقعات الأولية ليست حاسمة إذا كان أحد يستخدم كميات كبيرة من البيانات، حيث تمهيد الأسي هو x0022self - recting. x0022 ونظرا لفترات كافية من البيانات الماضية، والتجانس الأسي في نهاية المطاف إجراء تصحيحات كافية للتعويض عن أولية غير دقيقة إلى حد معقول توقعات. وباستخدام البيانات المستخدمة في أمثلة أخرى، يتم حساب توقعات أولية قدرها 50، و ألفا من .7، توقعات لشهر فبراير على هذا النحو: توقعات جديدة (فبراير) 50 .7 (45 x2212 50) 41.5 بعد ذلك، : توقعات جديدة (مارس) 41.5 .7 (60 x2212 41.5) 54.45 تستمر هذه العملية حتى يصل المتنبأ إلى الفترة المطلوبة. وفي الجدول 4، سيكون ذلك لشهر حزيران / يونيه، نظرا لأن الطلب الفعلي على حزيران / يونيه غير معروف. الطلب الفعلي (000x0027s) يمكن استخدام تمديد التمدد الأسي عندما تظهر بيانات السلاسل الزمنية اتجاها خطييا. ويعرف هذا الأسلوب من قبل العديد من الأسماء: ضعف تجانس تعديل تعديل الأسي التنبؤات بما في ذلك الاتجاه (فيت) و Holtx0027s نموذج. وبدون تعديل، فإن نتائج التمهيد الأسي البسيطة سوف تتخلف عن الاتجاه، أي أن التوقعات ستكون دائما منخفضة إذا كان الاتجاه آخذ في الازدياد، أو ارتفاع إذا كان الاتجاه آخذ في التناقص. مع هذا النموذج هناك اثنين من الثوابت تمهيد، x03AC و x03B2 مع x03B2 يمثل عنصر الاتجاه. تمديد نموذج Holtx0027s، ودعا هولت-Winterx0027s الأسلوب، يأخذ في الاعتبار كل من الاتجاه والموسمية. هناك نسختين، المضاعفة والإضافات، مع المضاعفة كونها الأكثر استخداما. في النموذج المضاف، يتم التعبير عن الموسمية ككمية يمكن إضافتها إلى أو طرحها من متوسط ​​السلسلة. ويعكس النموذج المضاعف الموسمية كنسبة مئوية x2014 المعروفة باسم الأقارب الموسمية أو المؤشرات الموسمية x2014 للمتوسط ​​(أو الاتجاه). ثم تضاعف هذه القيم مرات من أجل دمج الموسمية. ويشير أحد أقارب 0.8 إلى أن الطلب هو 80 في المائة من المتوسط، في حين أن الرقم 1.10 سيشير إلى الطلب الذي يزيد بنسبة 10 في المائة عن المتوسط. ويمكن الاطلاع على معلومات تفصيلية بشأن هذه الطريقة في معظم الكتب الإدارية لإدارة العمليات أو أحد الكتب على التنبؤ. التقنيات المرتبطة أو السببية تنطوي على تحديد المتغيرات التي يمكن استخدامها للتنبؤ متغير آخر من الفائدة. على سبيل المثال، يمكن استخدام أسعار الفائدة للتنبؤ بالطلب على إعادة تمويل المنازل. وينطوي ذلك عادة على استخدام الانحدار الخطي، حيث يكون الهدف هو وضع معادلة تلخص تأثيرات المتغيرات (المستقلة) المتنبأ بها على المتغير (المعتمد) المتوقع. إذا تم رسم متغير التنبؤ، فإن الكائن هو الحصول على معادلة خط مستقيم يقلل من مجموع الانحرافات التربيعية عن الخط (مع الانحراف هو المسافة من كل نقطة إلى الخط). وتظهر المعادلة على النحو التالي: يا بكس، حيث y هو المتغير المتوقع (المعتمد)، x هو المتغير (المستقل) المتنبأ، b هو منحدر الخط، ويساوي ارتفاع الخط عند y - اعتراض. وبمجرد تحديد المعادلة، يمكن للمستخدم إدراج القيم الحالية للمتغير (مستقل) المتنبأ للوصول إلى التنبؤ (المتغير التابع). وإذا كان هناك أكثر من متغير متنبأ واحد أو إذا كانت العلاقة بين التنبؤ والتنبؤ ليست خطية، فإن الانحدار الخطي البسيط سيكون غير كاف. بالنسبة للحالات ذات التنبؤات المتعددة، يجب استخدام الانحدار المتعدد، في حين أن العلاقات غير الخطية تدعو إلى استخدام الانحدار المنحني. تنبؤات االقتصاد تستخدم أساليب االقتصاد القياسي، مثل نموذج التحرك الذاتي المتكامل) أريما (، معادالت رياضية معقدة لعرض العالقات السابقة بين الطلب والمتغيرات التي تؤثر على الطلب. يتم اشتقاق المعادلة ثم اختبارها وضبطها لضمان أن تكون موثوقة لتمثيل العلاقة الماضية ممكن. وبمجرد القيام بذلك، تدرج القيم المتوقعة للمتغيرات المؤثرة (الدخل والأسعار وما إلى ذلك) في المعادلة لجعل التنبؤات. تقييم التوقعات يمكن تحديد دقة التنبؤ بحساب الانحراف أو الانحراف المطلق أو متوسط ​​الخطأ المربع (مس) أو متوسط ​​الخطأ المطلق في النسبة المئوية (ماب) للتنبؤ باستخدام قيم مختلفة للألفا. التحيز هو مجموع أخطاء التنبؤ x2211 (في). وفيما يتعلق بمثال التجانس الأسي الوارد أعلاه، يكون التحيز المحسوب كما يلي: (60 x2212 41.5) (72 x2212 54.45) (58 x2212 66.74) (40 x2212 60.62) 6.69 إذا افترضنا أن التحيز المنخفض يشير إلى خطأ تنبؤي منخفض عموما، يحسب التحيز لعدد من القيم المحتملة ألفا ويفترض أن واحد مع أدنى التحيز سيكون الأكثر دقة. ومع ذلك، يجب مراعاة الحذر في تلك التنبؤات غير الدقيقة التي قد تؤدي إلى انحياز منخفض إذا كانت تميل إلى أن تكون على توقعات وتحت توقعات (سلبية وإيجابية). على سبيل المثال، على مدى ثلاث فترات قد تستخدم شركة قيمة معينة ألفا إلى أكثر من التوقعات من قبل 75،000 وحدة (X221275،000)، تحت التوقعات من قبل 100،000 وحدة (100،000)، ثم فوق التوقعات من قبل 25،000 وحدة (x221225،000)، مما يؤدي تحيز صفر (x221275،000 100،000 x2212 25،000 0). وبالمقارنة، فإن إنتاج ألفا آخر على التنبؤات من 2000 وحدة، 1000 وحدة، و 3،000 وحدة من شأنه أن يؤدي إلى التحيز من 5000 وحدة. إذا كان الطلب العادي 100،000 وحدة لكل فترة، فإن ألفا الأول سوف يسفر عن التوقعات التي تم إيقافها بنسبة تصل إلى 100 في المئة في حين أن ألفا الثاني سيكون خارج بنسبة أقصاها 3 في المئة فقط، على الرغم من أن التحيز في التوقعات الأولى كان صفر. وهناك مقياس أكثر أمنا لدقة التنبؤ هو متوسط ​​الانحراف المطلق. لحساب درهم، والمنبه المبالغ القيمة المطلقة للأخطاء التنبؤ ومن ثم يقسم حسب عدد من التنبؤات (x2211 في x00F7 N). ومن خلال أخذ القيمة المطلقة لأخطاء التنبؤ، يتم تجنب مقاصة القيم الإيجابية والسلبية. وهذا يعني أن كل من التوقعات 50 و 50 تحت التوقعات من 50. باستخدام البيانات من المثال التجانس الأسي، يمكن حساب درهم على النحو التالي: (60 x2212 41.5 72 x2212 54.45 58 x2212 66.74 40 x2212 60.62) x00F7 4 16.35 ولذلك، فإن المتنبأ هو في المتوسط ​​16.35 وحدة لكل توقعات. عند مقارنته بنتيجة ألفاس أخرى، فإن المتنبأ سوف يعرف أن ألفا مع أدنى درهم تسفر عن التنبؤ الأكثر دقة. ويمكن أيضا استخدام خطأ مربع متوسط ​​(مس) في نفس الطريقة. مس هو مجموع مربعات الأخطاء المتوقعة مقسوما على N-1 (x2211 (في)) x00F7 (N-1). إن تخطي أخطاء التنبؤ يلغي إمكانية تعويض الأرقام السلبية، حيث لا يمكن لأي من النتائج أن تكون سلبية. وباستخدام نفس البيانات الواردة أعلاه، تكون المشاريع متناهية الصغر والصغيرة هي: (18.5) (17.55) (x22128.74) (x221220.62) x00F7 3 383.94 كما هو الحال مع الدرهم، يمكن أن يقارن المتنبأ المسير المتناهي الصغر للتنبؤات المشتقة باستخدام قيم مختلفة من ألفا و تفترض أن ألفا مع أدنى مس هي التي تنتج التنبؤ الأكثر دقة. ومتوسط ​​الخطأ النسبي المطلق (ميب) هو متوسط ​​الخطأ المطلق في النسبة المئوية. للوصول إلى ميب يجب على المرء أن يأخذ مجموع النسب بين الخطأ المتوقع وأوقات الطلب الفعلية 100 (للحصول على النسبة المئوية) وتقسيمها بواسطة N (x2211 الطلب الفعلي x2212 التوقعات x00F7 الطلب الفعلي) xD7 100 x00F7 N. باستخدام البيانات من يمكن حساب ماب على النحو التالي: (18.560 17.5572 8.7458 20.6248) xD7 100 x00F7 4 28.33 كما هو الحال مع الدرهم والمشاريع المتوسطة والصغيرة، كلما انخفض الخطأ النسبي كلما زادت دقة التنبؤ. وتجدر الإشارة إلى أنه في بعض الحالات تعتبر قدرة التنبؤ على التغيير بسرعة للاستجابة للتغيرات في أنماط البيانات أكثر أهمية من الدقة. ولذلك، فإن اختيار واحدx0027s من طريقة التنبؤ ينبغي أن تعكس التوازن النسبي للأهمية بين الدقة والاستجابة، على النحو الذي يحدده المتنبأ. وضع التنبؤ ويليام ج. ستيفنسون يسرد ما يلي كخطوات أساسية في عملية التنبؤ: تحديد الغرض Forecastx0027s. وستستخدم عوامل مثل كيفية ومتى سيتم استخدام التوقعات ودرجة الدقة المطلوبة ومستوى التفصيل المطلوب تحديد التكلفة (الوقت والمال والموظفين) التي يمكن تخصيصها للتنبؤ ونوع طريقة التنبؤ التي سيتم استخدامها . إنشاء أفق زمني. ويحدث ذلك بعد أن يحدد المرء الغرض من التنبؤ. وتتطلب التنبؤات الأطول أجلا آفاقا أطول، والعكس بالعكس. دقة هو مرة أخرى الاعتبار. حدد تقنية التنبؤ. تعتمد التقنية المختارة على الغرض من التوقعات، والأفق الزمني المطلوب، والتكلفة المسموح بها. جمع وتحليل البيانات. ويخضع مقدار ونوع البيانات المطلوبة للغرض الخاص بالتنبؤات 0027، وتقنية التنبؤ المختارة، وأي اعتبارات تتعلق بالتكاليف. جعل التوقعات. مراقبة التوقعات. تقييم أداء التوقعات وتعديلها، إذا لزم الأمر. مزيد من القراءة: فينش، بايرون J. العمليات الآن: الربحية، والعمليات، والأداء. 2 إد. بوسطن: مغراو هيل إيروين، 2006. غرين، ويليام H. إكونوميتريك أناليسيس. 5 إد. نهر السرج العلوي، نج: برنتيس هول، 2003. جوب، د. ماريون. x0022 المجموعة الاسمية Technique. x0022 عملية البحث. متوفر من x003C ryerson. ca ستيفنسون، ويليام J. إدارة العمليات. 8 إد. بوسطن: مغراو هيل إيروين، 2005. أيضا قراءة المقال عن التنبؤ من ويكيبيديا