Modelo De Predicción Media Móvil

SIMPLE MOVING AVERAGE Problemas con el uso de la media móvil simple como herramienta de pronóstico: El promedio móvil es el seguimiento de datos reales, pero siempre se queda atrás. El promedio móvil nunca alcanzará los picos o los valles de los datos reales. Esto suaviza los datos. No te dice mucho sobre el futuro. Sin embargo, esto no hace que el promedio móvil sea inútil. Sólo necesitas estar al tanto de sus problemas. Por lo tanto, para resumir, para un promedio móvil simple o un solo promedio móvil, hemos visto algunos problemas con el uso de la media móvil simple como herramienta de pronóstico. El promedio móvil es el seguimiento de los datos reales, pero siempre se está quedando atrás. El promedio móvil nunca alcanzará los picos o valles de los datos reales, sino que suaviza los datos, y realmente no te dice mucho sobre el futuro, porque simplemente está pronosticando un período de antelación, y se supone que ese pronóstico representa lo mejor Valor para el período futuro, un período de antelación, pero no te dice mucho más allá de eso. Esto no hace que el simple promedio móvil sea inútil. De hecho, se ve un simple movimiento de promedios net. sourceforge. openforecast. models Clase MovingAverageModel Un modelo de pronóstico de media móvil se basa en una serie temporal artificialmente construida en la que el valor para un período de tiempo dado es reemplazado por la media de Ese valor y los valores de cierto número de períodos de tiempo anteriores y posteriores. Como puede haberse adivinado a partir de la descripción, este modelo se adapta mejor a datos de series de tiempo, es decir, datos que cambian con el tiempo. Por ejemplo, muchos gráficos de acciones individuales en el mercado de valores muestran 20, 50, 100 o 200 días promedios móviles como una forma de mostrar tendencias. Puesto que el valor pronosticado para cualquier período dado es un promedio de los períodos anteriores, entonces el pronóstico siempre parecerá estar a la zaga de los aumentos o disminuciones en los valores observados (dependientes). Por ejemplo, si una serie de datos tiene una tendencia alcista alcista, entonces un pronóstico de media móvil proporcionará generalmente una subestimación de los valores de la variable dependiente. El método del promedio móvil tiene una ventaja sobre otros modelos de predicción en el sentido de que suaviza los picos y valles (o valles) en un conjunto de observaciones. Sin embargo, también tiene varias desventajas. En particular, este modelo no produce una ecuación real. Por lo tanto, no es tan útil como una herramienta de pronóstico a medio y largo plazo. Sólo se puede utilizar con fiabilidad para prever uno o dos períodos en el futuro. El modelo de media móvil es un caso especial de la media móvil ponderada más general. En la media móvil simple, todos los pesos son iguales. Desde: 0.3 Autor: Steven R. Gould Campos heredados de la clase net. sourceforge. openforecast. models. AbstractForecastingModel MovingAverageModel () Construye un nuevo modelo de pronóstico de media móvil. MovingAverageModel (período int) Construye un nuevo modelo de pronóstico de media móvil, utilizando el período especificado. GetForecastType () Devuelve un nombre de una o dos palabras de este tipo de modelo de pronóstico. Init (DataSet dataSet) Se utiliza para inicializar el modelo de media móvil. ToString () Esto debe anularse para proporcionar una descripción textual del modelo de pronóstico actual incluyendo, cuando sea posible, cualquier parámetro derivado utilizado. Métodos heredados de la clase net. sourceforge. openforecast. models. WeightedMovingAverageModel MovingAverageModel Construye un nuevo modelo de pronóstico de media móvil. Para que un modelo válido sea construido, debe llamar a init y pasar en un conjunto de datos que contiene una serie de puntos de datos con la variable de tiempo inicializada para identificar la variable independiente. MovingAverageModel Construye un nuevo modelo de pronóstico de media móvil, utilizando el nombre dado como variable independiente. Parámetros: independentVariable - el nombre de la variable independiente que se va a utilizar en este modelo. MovingAverageModel Construye un nuevo modelo de pronóstico de media móvil, utilizando el período especificado. Para que un modelo válido sea construido, debe llamar a init y pasar en un conjunto de datos que contiene una serie de puntos de datos con la variable de tiempo inicializada para identificar la variable independiente. El valor del período se utiliza para determinar el número de observaciones que se utilizarán para calcular la media móvil. Por ejemplo, para un promedio móvil de 50 días en el que los puntos de datos son observaciones diarias, entonces el período debe establecerse en 50. El período también se utiliza para determinar la cantidad de períodos futuros que se pueden pronosticar efectivamente. Con una media móvil de 50 días, entonces no podemos razonablemente - con ningún grado de exactitud - pronosticar más de 50 días más allá del último período para el cual los datos están disponibles. Esto puede ser más beneficioso que, digamos, un período de 10 días, donde sólo podríamos prever razonablemente 10 días más allá del último período. Parámetros: período - el número de observaciones que se utilizarán para calcular la media móvil. MovingAverageModel Construye un nuevo modelo de pronóstico de media móvil, utilizando el nombre dado como variable independiente y el período especificado. Parámetros: independentVariable - el nombre de la variable independiente que se va a utilizar en este modelo. Período - el número de observaciones que se utilizarán para calcular la media móvil. Init Se utiliza para inicializar el modelo de media móvil. Este método debe ser llamado antes de cualquier otro método en la clase. Dado que el modelo de media móvil no deduce ninguna ecuación para la predicción, este método utiliza el DataSet de entrada para calcular los valores de pronóstico para todos los valores válidos de la variable de tiempo independiente. Especificado por: init in interface PredeterminaciónModel Overrides: init en la clase AbstractTimeBasedModel Parámetros: dataSet - conjunto de datos de observaciones que se pueden utilizar para inicializar los parámetros de pronóstico del modelo de pronóstico. GetForecastType Devuelve un nombre de una o dos palabras de este tipo de modelo de pronóstico. Mantenga esto corto. Una descripción más larga debe implementarse en el método toString. ToString Esto debe anularse para proporcionar una descripción textual del modelo de pronóstico actual incluyendo, cuando sea posible, cualquier parámetro derivado utilizado. Especificado por: toString en la interfaz ForecastingModel Overrides: toString en la clase WeightedMovingAverageModel Devuelve: una representación en cadena del modelo de pronóstico actual y sus parámetros. Definición del modelo de media móvil ponderada En el modelo de media móvil ponderada (estrategia de pronóstico 14), cada valor histórico se pondera Con un factor del grupo de ponderación en el perfil de pronóstico univariado. Fórmula para la media móvil ponderada El modelo de promedio móvil ponderado le permite ponderar los datos históricos recientes con más fuerza que los datos antiguos al determinar el promedio. Hacer esto si los datos más recientes son más representativos de lo que la demanda futura será que los datos más antiguos. Por lo tanto, el sistema es capaz de reaccionar más rápidamente a un cambio de nivel. Uso La exactitud de este modelo depende en gran medida de su elección de factores de ponderación. Si el patrón de series de tiempo cambia, también debe adaptar los factores de ponderación. Cuando se crea un grupo de ponderación, se introducen los factores de ponderación como porcentajes. La suma de los factores de ponderación no tiene que ser 100. No se calcula pronóstico ex post con esta estrategia de pronóstico.