موسمية في الحركة من المتوسط

وفي الممارسة العملية، سيوفر المتوسط ​​المتحرك تقديرا جيدا لمتوسط ​​السلاسل الزمنية إذا كان المتوسط ​​ثابتا أو متغيرا ببطء. وفي حالة المتوسط ​​الثابت، فإن أكبر قيمة m تعطي أفضل التقديرات للمتوسط ​​الأساسي. وستؤدي فترة المراقبة الأطول إلى الحد من آثار التباين. والغرض من توفير m أصغر هو السماح للتنبؤ بالاستجابة للتغيير في العملية الأساسية. ولتوضيح ذلك، نقترح مجموعة بيانات تتضمن التغييرات في الوسط الأساسي للمسلسلات الزمنية. ويبين الشكل السلاسل الزمنية المستخدمة للتوضيح مع متوسط ​​الطلب الذي نشأت منه السلسلة. يبدأ المتوسط ​​ك ثابت عند 10. يبدأ في الوقت 21، يزداد بوحدة واحدة في كل فترة حتى يصل إلى القيمة 20 في وقت 30. ثم يصبح ثابتة مرة أخرى. وتتم محاكاة البيانات بإضافة متوسط ​​الضوضاء العشوائية من التوزيع العادي مع متوسط ​​الصفر والانحراف المعياري 3. وتقريب نتائج المحاكاة إلى أقرب عدد صحيح. ويبين الجدول الملاحظات المحاكاة المستخدمة في المثال. عندما نستخدم الجدول، يجب أن نتذكر أنه في أي وقت من الأوقات، إلا أن البيانات السابقة معروفة. وتظهر تقديرات معلمة النموذج، بالنسبة إلى ثلاث قيم مختلفة من m، مع متوسط ​​السلاسل الزمنية في الشكل أدناه. ويبين الشكل متوسط ​​المتوسط ​​المتحرك للمتوسط ​​في كل مرة وليس التنبؤ. ومن شأن التنبؤات أن تحول منحنيات المتوسط ​​المتحرك إلى اليمين حسب الفترات. وهناك استنتاج واحد واضح على الفور من هذا الرقم. وبالنسبة للتقديرات الثلاثة جميعها، فإن المتوسط ​​المتحرك يتخلف عن الاتجاه الخطي، مع زيادة الفارق الزمني مع m. والفارق الزمني هو المسافة بين النموذج والتقدير في البعد الزمني. وبسبب الفارق الزمني، فإن المتوسط ​​المتحرك يقلل من الملاحظات نظرا لأن المتوسط ​​يتزايد. انحياز المقدر هو الفرق في وقت محدد في متوسط ​​قيمة النموذج والقيمة المتوسطة التي يتنبأ بها المتوسط ​​المتحرك. التحيز عندما يكون المتوسط ​​يزداد سلبيا. أما بالنسبة للمتوسط ​​المتناقص، فإن التحيز إيجابي. التأخر في الوقت والتحيز التي أدخلت في التقدير هي وظائف م. وكلما زادت قيمة m. وكلما كبر حجم التأخر والتحيز. لسلسلة متزايدة باستمرار مع الاتجاه أ. فإن قيم التأخر والتحيز لمقدر المتوسط ​​تعطى في المعادلات أدناه. لا تتطابق منحنيات المثال مع هذه المعادلات لأن نموذج المثال لا يزداد بشكل مستمر، بل يبدأ كتغيير ثابت للاتجاه ثم يصبح ثابتا مرة أخرى. كما تتأثر منحنيات المثال بالضوضاء. ويتمثل متوسط ​​المتوسط ​​المتحرك للتوقعات في المستقبل في تحويل المنحنيات إلى اليمين. ويزيد التأخر والتحيز تناسبيا. وتشير المعادلات أدناه إلى الفارق الزمني والتحيز لفترات التنبؤ في المستقبل عند مقارنتها بمعلمات النموذج. مرة أخرى، هذه الصيغ هي لسلسلة زمنية مع الاتجاه الخطي المستمر. ولا ينبغي لنا أن نفاجأ بهذه النتيجة. ويستند متوسط ​​التقدير المتحرك إلى افتراض متوسط ​​ثابت، والمثال له اتجاه خطي في المتوسط ​​خلال جزء من فترة الدراسة. وبما أن سلسلة الوقت الحقيقي نادرا ما تتوافق تماما مع افتراضات أي نموذج، يجب أن نكون مستعدين لمثل هذه النتائج. ويمكننا أيضا أن نخلص من الشكل إلى أن تباين الضوضاء له أكبر تأثير على m أصغر. ويكون التقدير أكثر تقلبا بكثير بالنسبة للمتوسط ​​المتحرك البالغ 5 من المتوسط ​​المتحرك البالغ 20. ولدينا رغبة متضاربة في زيادة m لتقليل تأثير التباين الناجم عن الضوضاء وتقليل m لجعل التنبؤ أكثر استجابة للتغيرات في الحقيقة. والخطأ هو الفرق بين البيانات الفعلية والقيمة المتوقعة. وإذا كانت السلسلة الزمنية حقا قيمة ثابتة، فإن القيمة المتوقعة للخطأ هي صفر، ويتألف تباين الخطأ من عبارة دالة وعبارة ثانية هي تباين الضوضاء. المصطلح الأول هو التباين في المتوسط ​​المقدر مع عينة من الملاحظات m، على افتراض أن البيانات تأتي من مجتمع ذو متوسط ​​ثابت. يتم تقليل هذا المصطلح من خلال جعل m كبيرة قدر الإمكان. A م كبير يجعل التوقعات لا تستجيب لتغيير في السلسلة الزمنية الأساسية. لجعل التنبؤات تستجيب للتغييرات، نريد m صغيرة قدر الإمكان (1)، ولكن هذا يزيد من التباين الخطأ. ويتطلب التنبؤ العملي قيمة وسيطة. التنبؤ مع إكسيل تقوم الوظيفة الإضافية للتنبؤ بتطبيق صيغ المتوسط ​​المتحرك. ويبين المثال الوارد أدناه التحليل الذي توفره الوظيفة الإضافية لعينة البيانات في العمود باء. ويتم فهرسة الملاحظات العشرة الأولى من 9 إلى 0. وبالمقارنة بالجدول أعلاه، يتم تغيير مؤشرات الفترة بمقدار -10. وتوفر الملاحظات العشرة الأولى قيم بدء التشغيل للتقدير وتستخدم لحساب المتوسط ​​المتحرك للفترة 0. ويبين العمود (10) (C) المتوسطات المتحركة المحسوبة. وتكون معلمة المتوسط ​​المتحرك m في الخلية C3. ويبين العمود (1) (D) توقعات لفترة واحدة في المستقبل. الفترة الزمنية المتوقعة في الخلية D3. عندما يتم تغيير الفاصل الزمني المتوقع إلى عدد أكبر يتم تحويل الأرقام في العمود فور إلى أسفل. ويبين العمود إر (1) (E) الفرق بين الملاحظة والتنبؤ. على سبيل المثال، الملاحظة في الوقت 1 هي 6. القيمة المتوقعة من المتوسط ​​المتحرك في الوقت 0 هي 11.1. الخطأ ثم -5.1. يتم حساب الانحراف المعياري ومتوسط ​​الانحراف المتوسط ​​في الخلايين E6 و E7 على التوالي. تحديد موسمية - تحسين المخزون البرمجيات موسمية تعريف الصفحة الرئيسية راكو قاعدة المعرفة راكو هنا بي جوانز فيرموريل، المراجعة الأخيرة سبتمبر 2011 في الإحصاءات، فإن الطلب - أو المبيعات - من منتج معين أن يحمل الموسمية عندما تتعرض السلاسل الزمنية الكامنة وراء الاختلاف الدوري يمكن التنبؤ به اعتمادا على الوقت خلال السنة. الموسمية هي واحدة من الأنماط الإحصائية الأكثر استخداما لتحسين دقة توقعات الطلب. مثال: معظم تجار التجزئة الغربيين لديهم مبيعات ذروة في موسم عيد الميلاد. رسم توضيحي للمسلسلات الزمنية الموسمية يوضح الرسم البياني أدناه 4 سلسلة زمنية موسمية (اضغط للتكبير). يتم تجميع السلاسل الزمنية على المستوى الأسبوعي على مدى 159 أسبوعا (حوالي 3 سنوات). تمثل البيانات شحنات أسبوعية ل 4 منتجات متميزة من مستودع تاجر التجزئة الأوروبي الكبير. في اليوم الأول من السنة (1 يناير) يتم وضع علامة مع علامة عمودي رمادي. تظهر البيانات التاريخية باللون الأحمر في حين يتم عرض توقعات لوكاد باللون الأرجواني. ويمكن ملاحظة الموسمية بصريا تشابه أنماط من سنة واحدة إلى المرة التالية استخدام علامات رمادية كمراجع. النموذج الأساسي للتحلل الموسمي اسمحوا Y (t) الطلب في الوقت t. ونحن نحلل الطلب Y (t) إلى عنصرين: S (t) وظيفة دورية بدقة و Z (t) مكمل غير موسمي. (S) t (S) t (S) t حيث يمكن تقدير مثل هذه الدالة S (t)، فإن عملية التنبؤ تنقسم عادة إلى ثلاث مراحل: السلسلة الزمنية ديسيسوناليزد كما Z (t) Y (t) S (t). إنتاج التنبؤ على مدى سلسلة زمنية Z (ر). ربما من خلال المتوسط ​​المتحرك. أعد تطبيق المؤشرات الموسمية على التوقعات بعد ذلك. العودة إلى المشكلة الأولية لتقدير المؤشرات الموسمية S (t). على افتراض عدم وجود اتجاه (من بين أمور أخرى)، يمكن تقدير S (t) بما يلي: S (t) أفيراج (Y (t-1) ما (t-1) Y (t-2) ما (t-2) Y (t-3) ما (t-3)) حيث Y (t-1) هو اختصار Y (t - 1 سنة) و ما (t) المتوسط ​​المتحرك لمدة سنة Y (t). النهج المقترح في هذا القسم ساذج. ولكن يمكن تنفيذها بسهولة في إكسيل. العديد من النماذج الإحصائية يمكن العثور عليها في الأدب لمعالجة الموسمية مع أساليب أكثر تعقيدا. مثال: صندوق جينكينز، أرما، أريما، هولت الشتاء. التحديات في تقدير مؤشرات الموسمية نموذج الموسمية الموضح هنا أعلاه هو نهج ساذج نوعا ما التي تعمل لسلسلة زمنية موسمية طويلة على نحو سلس. ومع ذلك، هناك صعوبات عملية متعددة عند تقدير الموسمية: سلسلة زمنية قصيرة. عمر معظم السلع الاستهلاكية لا تتجاوز 3 أو 4 سنوات. ونتیجة لذلك، یقدم سجل المبیعات في المتوسط ​​لمرات ما قلیلة جدا في الماضي لتقدیر کل مؤشر موسمي (أي قیم S (t)) خلال السنة، راجع القسم السابق) . السلاسل الزمنية صاخبة. تقلبات السوق عشوائية تؤثر على المبيعات، وجعل الموسمية أكثر صعوبة لعزل. وتشارك المواسم متعددة. عند النظر إلى المبيعات على مستوى المتجر، فإن موسمية المنتج نفسه متشابكة عادة مع الموسمية من المخزن. أنماط أخرى مثل الاتجاه أو دورة حياة المنتج تؤثر أيضا سلسلة زمنية. مع إدخال نوع مختلف من التحيز في التقدير. وهناك طريقة بسيطة - وإن كانت كثيفة العمالة - لمعالجة هذه القضايا تتمثل في إنشاء ملفات تعريفية موسمية يدويا من مجاميع من المنتجات المعروفة بأن لها نفس السلوك الموسمية. وعمر المنتج الكلي عادة ما يكون أطول بكثير من عمر المنتجات الفردية، مما يخفف من تلك القضايا تقدير. Quasi-موسمية هناك العديد من الأنماط التي تحدث مرة واحدة في السنة ولكن ليس دائما في نفس التاريخ. في لوكاد، نسمي تلك الأنماط شبه الموسمية. على سبيل المثال، يوم الأمهات (الذي يقع في تواريخ مختلفة اعتمادا على السنة ويختلف أيضا بين البلدان) وعطلات أخرى مثل رمضان وعيد الفصح وهانوكا (التي تقع في تواريخ مختلفة اعتمادا على السنة)، شبه الموسمية. وتلك الأحداث شبه الموسمية تقع خارج نطاق نماذج التنبؤ الدوري الكلاسيكي التي تفترض أن فترة الدورة ثابتة تماما. من أجل التعامل مع تلك الأحداث شبه الموسمية، مطلوب منطق شبه دوري أكثر تعقيدا. لوكادس غوتشا في تجربتنا، تؤثر الموسمية على الغالبية العظمى من الأنشطة البشرية. على وجه الخصوص، في سلسلة زمنية تمثل مبيعات السلع الاستهلاكية (المواد الغذائية وغير الغذائية على حد سواء)، عامل موسمي هو دائما تقريبا موجودة. ومع ذلك، فإنه يحدث في كثير من الأحيان أنه بسبب كمية من ضجيج السوق، ونوعية لتقدير المؤشرات الموسمية ينتهي منخفضة جدا لاستخدامها العملي لتنقيح التوقعات. تكنولوجيا التنبؤ لوكاد يعالج أصلا الموسمية وشبه الموسمية، لذلك لم يكن لديك ليقول لوكاد عنهم، والرعاية التي اتخذت بالفعل من. من أجل التغلب على القضايا التي تثيرها العمق التاريخي المحدود المتاح لمعظم السلاسل الزمنية في مجال البيع بالتجزئة أو التصنيع، يستخدم لوكاد تحليل سلاسل زمنية متعددة ويتم تقييم الموسمية ليس على منتج واحد ولكن النظر في العديد من المنتجات. من خلال القيام بذلك، نحن تقليل الضوضاء في تقديرنا للموسمية، ولكن أيضا إدخال الموسمية في التنبؤات حتى عندما تم بيع المنتجات لمدة أقل من عام. الحصول على توقعات المبيعات الأمثل مع شركائنا في تكنولوجيا التنبؤ المخزون. لوكاد متخصصة في تحسين المخزون من خلال التنبؤ بالطلب. إدارة الموسمية - وأكثر من ذلك بكثير - هي الميزات الأصلية لمحرك التنبؤ لدينا. موضوعات سلسلة الإمداد موضوعات التنبؤ الموسمية ما هو موسمية موسمية هي سمة من سمات سلسلة الزمنية التي البيانات تشهد تغييرات منتظمة ويمكن التنبؤ بها التي تتكرر كل سنة تقويمية. ويمكن القول أن أي تغيير أو نمط يمكن التنبؤ به في سلسلة زمنية تتكرر أو تتكرر على مدى سنة واحدة أن تكون موسمية. وتختلف الآثار الموسمية عن الآثار الدورية، حيث أن الدورات الموسمية ترد في غضون سنة تقويمية واحدة، في حين أن الآثار الدورية، مثل زيادة المبيعات بسبب انخفاض معدلات البطالة، يمكن أن تمتد لفترات زمنية أقصر أو أطول من سنة تقويمية واحدة. الموسمية الموسمية تشير الموسمية إلى التقلبات الدورية في بعض مجالات العمل التي تحدث بانتظام استنادا إلى موسم معين. قد يشير الموسم إلى فترة زمنية تشير إليها مواسم التقويم، مثل الصيف أو الشتاء، وكذلك المواسم التجارية، مثل موسم العطلات. الشركات التي تفهم موسمية عملهم يمكن أن الوقت المخزون. والتوظيف، وغير ذلك من القرارات التي تتزامن مع الموسمية المتوقعة للأنشطة المرتبطة بها. ومن المهم النظر في آثار الموسمية عند تحليل المخزونات من وجهة نظر أساسية. ويبدو أن الأعمال التجارية التي تشهد مبيعات أعلى في مواسم معينة تحقق مكاسب كبيرة خلال مواسم الذروة وخسائر كبيرة خلال مواسم ما بعد الذروة. وإذا لم يؤخذ ذلك في الاعتبار، يجوز للمستثمر أن يختار شراء أو بيع الأوراق المالية استنادا إلى النشاط الجاري دون احتساب التغيير الموسمي الذي يحدث لاحقا كجزء من دورة الأعمال الموسمية للشركة. ويمكن ملاحظة أمثلة موسمية الموسمية في مجموعة متنوعة من التغيرات المتوقعة في التكاليف أو المبيعات من حيث صلتها بالانتقال المنتظم خلال أوقات السنة. على سبيل المثال، إذا كنت تعيش في مناخ مع الشتاء البارد والصيف الحارة، وتكاليف التدفئة منازلك ربما ترتفع في فصل الشتاء وتنتهي في فصل الصيف. كنت تتوقع معقول الموسمية من تكاليف التدفئة الخاص بك لتكرار كل عام. وبالمثل، فإن الشركة التي تبيع منتجات واقية من الشمس والدباغة داخل الولايات المتحدة ترى مبيعات تقفز في فصل الصيف ولكن انخفاض في فصل الشتاء. العمال المؤقتون قد يستأجر تجار التجزئة الكبار، مثل وول مارت، عمال مؤقتين استجابة للطلبات المرتفعة المرتبطة بموسم العطلات. في عام 2014، توقعت وول مارت توظيف حوالي 60،000 موظف للمساعدة في تعويض الزيادة في النشاط المتوقع في المتاجر. وقد تم هذا التحديد من خلال دراسة أنماط المرور من مواسم الأعياد السابقة واستخدام تلك المعلومات لاستقراء ما يمكن توقعه في الموسم المقبل. وبمجرد انتهاء الموسم، سيتم الافراج عن عدد من الموظفين المؤقتين لأنها لم تعد هناك حاجة بناء على توقعات حركة ما بعد الموسم. من خلال مراقبة أسعار الأسهم المرتبطة وول مارت من يوليو 2014 إلى يوليو 2015، ويمكن ملاحظة الموسمية. في حين تم إدراج سعر الإغلاق المعدل في يوليو 2014 على أنه 69.70، ارتفع السعر خلال موسم العطلة الشتوية إلى 82.34 في ديسمبر. وانخفض هذا السعر بعد موسم العطلات، ليصل إلى 69.87 في يوليو 2015.