Moving Average Cycle Evaluering

Hoe om te gebruik 'n bewegende gemiddelde Aandeel Die bewegende gemiddelde (MA) Koop 'n eenvoudige tegniese analise hulpmiddel wat glad uit prys data deur die skep van 'n voortdurend opgedateer gemiddelde prys. Die gemiddelde is geneem oor 'n spesifieke tydperk van die tyd, soos 10 dae, 20 minute, 30 weke, of enige tydperk die handelaar kies. Daar is voordele aan die gebruik van 'n bewegende gemiddelde in jou handel, sowel opsies op watter tipe bewegende gemiddelde om te gebruik. Bewegende gemiddelde strategieë is ook baie gewild en kan aangepas word om enige tyd raam, costuumstof beide langtermyn beleggers en kort termyn handelaars. (Sien die top vier tegniese aanwysers Trend Handelaars behoort te weet.) Hoekom gebruik 'n bewegende gemiddelde A bewegende gemiddelde kan help kap die bedrag van geraas op 'n prys grafiek. Kyk na die rigting van die bewegende gemiddelde om 'n basiese idee van watter rigting die prys beweeg te kry. Skuins en prys beweeg op (of onlangs was) algehele, skuins af en prys algehele beweeg af, sywaarts en die prys is waarskynlik in 'n reeks. 'N bewegende gemiddelde kan ook dien as ondersteuning of weerstand. In 'n uptrend kan 'n 50-dag, 100 dae of 200-daagse bewegende gemiddelde op te tree as 'n ondersteuning vlak, soos getoon in die figuur hieronder. Dit is omdat die gemiddelde dade soos 'n vloer (ondersteun), sodat die prys hop up af van dit. In 'n verslechtering neiging kan 'n bewegende gemiddelde op te tree as weerstand soos 'n plafon, die prys treffers en dan weer begin daal. Die prys sal nie altyd respekteer die bewegende gemiddelde op hierdie manier. Die prys kan daardeur effens hardloop of te stop en omkeer voor die bereiking van dit. As 'n algemene riglyn, indien die prys is hoër as 'n bewegende gemiddelde die neiging is up. As die prys is laer as 'n bewegende gemiddelde die neiging is af. Bewegende gemiddeldes kan verskillende lengtes het al (binnekort bespreek), sodat 'n mens kan 'n uptrend dui, terwyl 'n ander dui op 'n verslechtering neiging. Tipes Bewegende Gemiddeldes n bewegende gemiddelde kan bereken word op verskillende maniere. 'N vyf-dag eenvoudig bewegende gemiddelde (SMA) voeg net die vyf mees onlangse daaglikse sluitingspryse en verdeel dit deur vyf tot 'n nuwe gemiddelde skep elke dag. Elke gemiddelde is verbind tot die volgende, die skep van die enkelvoud vloeiende lyn. Nog 'n gewilde tipe bewegende gemiddelde is die eksponensiële bewegende gemiddelde (EMA). Die berekening is meer kompleks, maar basies geld meer gewig aan die mees onlangse pryse. Teken 'n 50-dag SMA en 'n 50-dag EMO op dieselfde grafiek, en jy sal sien die EMO reageer vinniger op prysveranderings as die SMA doen, as gevolg van die bykomende gewig op onlangse prys data. Kartering sagteware en handel platforms doen die berekeninge, sodat daar geen handleiding wiskunde is nodig om 'n MA gebruik. Een tipe MA isnt beter as 'n ander. 'N EMO kan beter in 'n voorraad of finansiële markte werk vir 'n tyd, en ander kere 'n SBG beter kan werk. Die tydsraamwerk wat gekies is vir 'n bewegende gemiddelde sal ook 'n belangrike rol in hoe doeltreffend dit is (ongeag van die tipe) speel. Moving gemiddelde lengte Gemeenskaplike bewegende gemiddelde lengtes is 10, 20, 50, 100 en 200. Hierdie lengtes kan toegepas word op enige grafiek tydsraamwerk (een minuut, daagliks, weekliks, ens), na gelang van die handelaars handel horison. Die tydsraamwerk of lengte wat jy kies vir 'n bewegende gemiddelde, ook bekend as die blik terug tydperk, kan 'n groot rol in hoe doeltreffend dit is speel. 'N MA met 'n kort tyd sal baie vinniger reageer op prysveranderinge as 'n MA met 'n lang terugkyk tydperk. In die figuur hieronder die 20-dae - bewegende gemiddelde spore van naderby die werklike prys as die 100-dag doen. Die 20-dag mag van 'n analitiese voordeel wees om 'n korter termyn handelaar aangesien dit volg die prys van naderby, en produseer dus minder lag as die langer termyn bewegende gemiddelde. Lag is die tyd wat dit neem vir 'n bewegende gemiddelde om 'n potensiële ommekeer sein. Onthou, as 'n algemene riglyn, wanneer die prys is hoër as 'n bewegende gemiddelde die tendens beskou word. So wanneer die prys daal laer as dié bewegende gemiddelde dit dui op 'n moontlike ommekeer gebaseer op die MA. A 20-dae - bewegende gemiddelde sal baie meer ommekeer seine as 'n 100-daagse bewegende gemiddelde verskaf. 'N bewegende gemiddelde kan enige lengte, 15, 28, 89, ens wees die bewegende gemiddelde aanpassing so dit bied meer akkurate seine op historiese data kan help om 'n beter toekoms seine. Trading Strategies - CROSSOVER CROSSOVER is een van die grootste bewegende gemiddelde strategieë. Die eerste tipe is 'n prys crossover. Dit is vroeër bespreek, en is as die prys kruise bo of onder 'n bewegende gemiddelde om 'n potensiële verandering in die tendens dui. Nog 'n strategie is om twee bewegende gemiddeldes van toepassing op 'n grafiek, 'n langer en een korter. Wanneer die korter MA kruis bo die meer MA termyn sy 'n koopsein soos dit blyk die tendens is verskuiwing up. This staan ​​bekend as 'n goue kruis. Wanneer die korter MA kruisies onder die langer MA termyn sy 'n sell sein as dit blyk die tendens is verskuiwing af. Dit staan ​​bekend as 'n dooie / dood kruis bewegende gemiddeldes is bereken gegrond op historiese data, en niks oor die berekening voorspellende in die natuur. Daarom lei die gebruik van bewegende gemiddeldes kan willekeurig wees - by tye die mark blyk te MA ondersteuning / weerstand en handel seine te respekteer. en ander kere is dit toon geen respek. Een groot probleem is dat as die prys aksie woelig raak die prys kan heen en weer swaai genereer verskeie tendens omkeer / handel seine. Wanneer hierdie sy beste kom om weg te stap of te wend nog 'n aanduiding te help verduidelik die tendens. Dieselfde kan gebeur met MA CROSSOVER, waar Mas verstrengel raak vir 'n tydperk van tyd verwek verskeie (smaak verloor) ambagte. Bewegende gemiddeldes werk baie goed in 'n sterk trending voorwaardes, maar dikwels swak in woelig of wissel voorwaardes. Aanpassing van die tyd kan help met hierdie tydelik, hoewel op 'n stadium hierdie kwessies is geneig om te voorkom, ongeag die tyd wat gekies is vir die MA (s). 'N bewegende gemiddelde vergemaklik prys data deur uit glad nie en die skep van 'n vloeiende lyn. Dit kan isoleer tendense makliker te maak. Eksponensiële bewegende gemiddeldes reageer vinniger te verander as 'n eenvoudige bewegende gemiddelde prys. In sommige gevalle kan dit goed wees, en in ander is dit vals seine kan veroorsaak. Bewegende gemiddeldes met 'n korter kyk terug tydperk (20 dae, byvoorbeeld), sal ook vinniger reageer op veranderinge as 'n gemiddelde met 'n langer tydperk blik (200 dae) prys. Bewegende gemiddelde CROSSOVER is 'n gewilde strategie vir beide inskrywings en uitgange. MA kan ook gebiede van moontlike ondersteuning of weerstand te lig. Terwyl hierdie voorspellende mag voorkom, is bewegende gemiddeldes altyd gebaseer op historiese data en net die gemiddelde prys oor 'n sekere tyd period. Home gtgt Inventory Rekeningkunde Onderwerpe bewegende gemiddelde Inventaris Metode bewegende gemiddelde Inventaris Metode Oorsig Onder die bewegende gemiddelde inventaris metode, die gemiddelde koste wys van elke voorraaditem in voorraad is weer bereken word na elke inventaris koop. Hierdie metode is geneig om voorraad waardasies en koste van goedere verkoop resultate wat tussenin afgelei onder die eerste in, eerste uit (EIEU) metode en die laaste in, eerste uit (LIEU) metode lewer. Dit gemiddelde benadering word beskou as 'n veilige en konserwatiewe benadering toegee aan verslagdoening finansiële resultate. Die berekening is die totale koste van die aangekoop gedeel deur die aantal items in voorraad items. Die koste van die beëindiging van voorraad en die koste van goedere verkoop word dan vasgestel op hierdie gemiddelde koste. Geen koste lae nodig is, soos vereis vir die EIEU en LIEU metodes. Sedert die bewegende gemiddelde koste verander wanneer daar 'n nuwe aankoop, kan die metode slegs gebruik word met 'n deurlopende voorraadstelsel opsporingstelsel so 'n stelsel hou up-to-date rekords van voorraad weegskaal. Jy kan die bewegende gemiddelde inventaris metode nie gebruik as jy net met 'n periodieke voorraadstelsel. aangesien so 'n stelsel net ophoop inligting aan die einde van elke rekeningkundige tydperk, en nie rekords by die individuele eenheid te handhaaf. Ook, wanneer voorraad waardasies is afgelei met behulp van 'n rekenaarstelsel, die rekenaar maak dit relatief maklik om voortdurend aan te pas inventaris waardasies met hierdie metode. Aan die ander kant, kan dit baie moeilik wees om die bewegende gemiddelde metode te gebruik wanneer voorraadrekords word met die hand in stand gehou, want die klerklike personeel sal oorweldig word deur die omvang van die nodige berekeninge. Bewegende gemiddelde Inventaris Metode Voorbeeld Voorbeeld 1. ABC International het 1,000 groen widgets in voorraad vanaf die begin van April, teen 'n koste per eenheid van 5. So, die begin inventaris balans van groen widgets in April is 5,000. ABC koop dan 250 bykomende greeen widgets op 10 April vir 6 elk (totaal aankoop van 1500), en 'n ander 750 groen widgets op 20 April vir 7 elk (totaal aankoop van 5250). In die afwesigheid van enige verkope, beteken dit dat die bewegende gemiddelde koste per eenheid aan die einde van April 5.88, wat bereken word as 'n totale koste van 11.750 sou wees (5000 begin balans 1500 aankoop 5250 aankoop), gedeel deur die totale op - hand telling eenheid van 2000 groen widgets (1000 begin balans 250 eenhede gekoop 750 eenhede gekoop). So, die bewegende gemiddelde koste van die groen widgets was 5 per eenheid aan die begin van die maand, en 5.88 aan die einde van die maand. Ons sal die voorbeeld herhaal, maar nou sluit 'n paar verkope. Onthou dat ons herbereken die bewegende gemiddelde na elke transaksie. Voorbeeld 2. ABC International het 1,000 groen widgets in voorraad vanaf die begin van April, teen 'n koste per eenheid van 5. Dit verkoop 250 van hierdie eenhede op 5 April, en rekords wat 'n klag by die koste van goedere verkoop van 1250, wat word bereken as 250 eenhede x 5 per eenheid. Dit beteken daar is nou 750 eenhede in voorraad oorbly, teen 'n koste per eenheid van 5 en 'n totale koste van 3750. ABC koop dan 250 bykomende groen widgets op 10 April vir 6 elk (totaal aankoop van 1500). Die bewegende gemiddelde koste is nou 5,25, wat bereken word as 'n totale koste van 5250 gedeel deur die 1000-eenhede nog op hande. ABC verkoop as 200 eenhede op 12 April, en rekords wat 'n klag by die koste van goedere verkoop van 1050, wat daarop bereken as 200 eenhede x 5,25 per eenheid. Dit beteken daar is nou 800 eenhede in voorraad oorbly, teen 'n koste per eenheid van 5,25 en 'n totale koste van 4200. Ten slotte, ABC koop 'n bykomende 750 groen widgets op 20 April vir 7 elk (totaal aankoop van 5250). Aan die einde van die maand, het die bewegende gemiddelde koste per eenheid is 6,10, wat bereken as die totale koste van 4200 5250, gedeel deur totale oorblywende eenhede van 800 750. Dus, in die tweede voorbeeld, ABC International begin die maand met 'n 5000 begin balans van groen widgets teen 'n koste van 5 elk, verkoop 250 eenhede teen 'n koste van 5 op 5 April, hersien die eenheidskoste te 5,25 na 'n aankoop op 10 April, verkoop 200 eenhede teen 'n koste van 5,25 op 12 April, en uiteindelik hersien sy eenheidskoste te 6,10 na 'n aankoop op 20 April Jy kan sien dat die koste per veranderinge eenheid na 'n inventaris koop, maar nie na 'n inventaris sale. FORECASTING Seisoene faktor - die persentasie van gemiddelde kwartaallikse vraag wat in elke kwartaal . Jaarlikse Voorspelling vir jaar 4 sal na verwagting 400 eenhede wees. Gemiddeld voorspelling per kwartaal is 400/4 100 eenhede. Kwartaallikse voorspelling avg. voorspel seisoenale faktor. Oorsaaklike PROGNOSES METODES oorsaaklike voorspelling metodes is gebaseer op 'n bekende of vermeende verhouding tussen die faktor word voorspel en ander eksterne of interne faktore 1. regressie: wiskundige vergelyking betrekking het 'n afhanklike veranderlike op een of meer onafhanklike veranderlikes wat vermoedelik die afhanklike veranderlike beïnvloed 2. ekonometriese modelle: stelsel van interafhanklike regressievergelykings dat sommige sektor van ekonomiese aktiwiteit 3. input-output modelle beskryf: beskryf die vloei van die een sektor van die ekonomie na 'n ander, en so voorspel die vereiste om uitsette te produseer in 'n ander sektor 4 insette. simulasiemodellering METING vOORSPELLING fOUTE Daar is twee aspekte van vooruitskatting foute bekommerd oor te wees - Vooroordeel en akkuraatheid Bias - 'n voorspelling is bevooroordeeld as dit meer in een rigting errs as in die ander - die metode is geneig om onder-voorspellings of oor-voorspellings. Akkuraatheid - Voorspelling akkuraatheid verwys na die afstand van die voorspellings van werklike vraag ignoreer die rigting van daardie fout. Voorbeeld: Vir ses periodes voorspellings en werklike vraag is nagespoor Die volgende tabel gee die werklike vraag D t en vraagvoorspelling F t vir ses periodes: kumulatiewe bedrag voorspelling foute (CFE) -20 gemiddelde absolute afwyking (MAD) 170/6 28,33 gemiddelde kwadraat fout (MSE) 5150/6 858,33 standaardafwyking van voorspelling foute 5150/6 29,30 beteken absolute persent fout (Mape) 83,4 / 6 13.9 Watter inligting het elke gee voorspelling het 'n neiging om oor-skatting vraag gemiddelde fout per voorspelling was 28,33 eenhede , of 13,9 werklike monsters vraag verspreiding van voorspelling foute het standaardafwyking van 29,3 eenhede. Kriteria vir die kies 'n PROGNOSES METODE Doelwitte: 1. Maksimeer Akkuraatheid en 2. Verminder Vooroordeel Potensiële Reëls vir die kies van 'n tydreeks vooruitskatting metode. Kies die metode wat die kleinste vooroordeel gee, soos gemeet deur kumulatiewe voorspelling fout (CFE) of gee die kleinste gemiddelde absolute afwyking (MAD) of gee die kleinste dop sein of ondersteun besture oortuigings oor die onderliggende patroon van die vraag of die ander. Dit blyk duidelik dat 'n mate van beide die akkuraatheid en vooroordeel saam gebruik moet word. Hoe Wat van die aantal periodes te bemonster as die vraag is inherent stabiel, lae waardes van en en hoër waardes van N is voorgestel as die vraag is inherent onstabiel, hoë waardes van en en laer waardes van N is voorgestel FOKUS PROGNOSES quotfocus forecastingquot verwys na 'n benadering tot vooruitskatting dat voorspellings ontwikkel deur verskeie tegnieke, tel dan die voorspelling wat deur die quotbestquot van hierdie tegnieke, waar quotbestquot word bepaal deur 'n mate van voorspelling fout. FOKUS voorspelling: voorbeeld vir die eerste ses maande van die jaar, die vraag na 'n kleinhandel item is 15, 14, 15, 17, 19, en 18 eenhede. 'N handelaar gebruik 'n fokus voorspelling stelsel wat gebaseer is op twee vooruitskattingstegnieke: 'n twee-tydperk bewegende gemiddelde, en 'n tendens aangepas eksponensiële gladstryking model met 0.1 en 0.1. Met die eksponensiële model, die voorspelling vir Januarie was 15 en die tendens gemiddelde aan die einde van Desember was 1. Die handelaar gebruik die gemiddelde absolute afwyking (MAD) vir die laaste drie maande as die maatstaf vir die kies van watter model sal gebruik word om te voorspel vir die volgende maand. a. Wat sal die voorspelling vir Julie en watter model sal gebruik word b. Wil jy antwoord op 'n deel. anders wees as die vraag na 14 Mei in plaas van 193 Verstandhouding Voorspelling vlakke en metodes wat jy kan beide detail (enkele item) voorspellings en opsomming (produk lyn) voorspel dat die vraag produk patrone weerspieël genereer was. Die stelsel ontleed verlede verkope voorspellings bereken deur gebruik te maak van 12 vooruitskatting metodes. Die voorspellings sluit detail inligting op die item vlak en 'n hoër vlak inligting oor 'n tak of die maatskappy as 'n geheel. 3.1 Voorspelling Performance Evalueringskriteria Afhangende van die keuse van die verwerking opsies en op tendense en patrone in die verkope data, sommige voorspelling metodes beter presteer as ander vir 'n gegewe historiese datastel. 'N vooruitskatting metode wat geskik is vir 'n produk kan nie geskik is vir 'n ander produk. Jy mag vind dat 'n vooruitskatting metode wat goeie resultate lewer in 'n stadium van 'n produk se lewensiklus toepaslike deur die hele lewensiklus bly. Jy kan kies tussen twee metodes om die huidige prestasie van die voorspelling metodes te evalueer: Persentasie van akkuraatheid (POA). Beteken absolute afwyking (MAD). Beide van hierdie prestasie-evaluering metodes vereis historiese verkope data vir 'n tydperk wat jy spesifiseer. Hierdie tydperk staan ​​bekend as 'n holdout tydperk of periode van beste passing. Die data in hierdie tydperk word gebruik as die grondslag vir die aanbeveling wat vooruitskatting metode om te gebruik in die maak van die volgende voorspelling projeksie. Hierdie aanbeveling is spesifiek vir elke produk en kan van een voorspelling generasie na die volgende. 3.1.1 beste pas by die stelsel beveel die beste passing voorspelling deur die toepassing van die gekose voorspelling metodes om die verlede verkope orde geskiedenis en vergelyk die voorspelling simulasie van die werklike geskiedenis. As jy 'n beste passing voorspelling genereer, die stelsel vergelyk werklike verkope orde geskiedenis om voorspellings vir 'n spesifieke tydperk en bere hoe akkuraat elke verskillende vooruitskatting metode voorspel verkope. Toe beveel die stelsel die mees akkurate voorspelling as die beste passing. Dit grafiese illustreer beste passing voorspellings: Figuur 3-1 Beste pas voorspel Die stelsel maak gebruik van hierdie reeks stappe om die beste passing te bepaal: Gebruik elke gespesifiseerde metode om 'n voorspelling vir die holdout tydperk na te boots. Vergelyk werklike verkope aan die gesimuleerde voorspellings vir die holdout tydperk. Bereken die POA of die MAD om te bepaal watter vooruitskatting metode die meeste ooreenstem met die verlede werklike verkope. Die stelsel maak gebruik van óf POA of mal, gebaseer op die verwerking opsies wat jy kies. Beveel die beste passing voorspelling deur die POA wat die naaste aan 100 persent (bo of onder) of die MAD wat die naaste aan nul. 3.2 Vooruitskatting Metodes JD Edwards EnterpriseOne Voorspelling Bestuur gebruik 12 metodes vir kwantitatiewe vooruitskatting en dui aan watter metode bied die beste geskik is vir die voorspelling situasie. Hierdie afdeling bespreek: Metode 1: Persentasie teenoor verlede jaar. Metode 2: Bereken persent teenoor verlede jaar. Metode 3: verlede jaar tot vanjaar. Metode 4: Moving Gemiddelde. Metode 5: Lineêre benadering. Metode 6: kleinstekwadrate-regressielyn. Metode 7: tweede graad benadering. Metode 8: buigbare metode. Metode 9: Geweegde bewegende gemiddelde. Metode 10: Lineêre Smoothing. Metode 11: Eksponensiële Smoothing. Metode 12: Eksponensiële Smoothing met Trend en Seisoenaliteit. Spesifiseer die metode wat jy wil gebruik in die verwerking opsies vir die voorspelling Generation program (R34650). Die meeste van hierdie metodes te voorsien beperkte beheer. Byvoorbeeld, kan die gewig geplaas op onlangse historiese data of die datum bereik van historiese data wat gebruik word in die berekeninge word bepaal deur jou. Die voorbeelde in die handleiding dui die prosedure te kan uitvoer vir elk van die beskikbare voorspelling metodes, gegee 'n identiese stel historiese data. Die metode voorbeelde in die gids gebruik deel van of al hierdie datastelle wat historiese data van die afgelope twee jaar. Die voorspelling projeksie gaan in die volgende jaar. Dit verkope geskiedenis data is stabiel met klein seisoenale styging in Julie en Desember. Hierdie patroon is kenmerkend van 'n volwasse produk wat dalk nader veroudering. 3.2.1 Metode 1: Persentasie teenoor verlede jaar Hierdie metode maak gebruik van die persent meer as verlede jaar formule aan elke voorspelling tydperk deur die gespesifiseerde persentasie toename of afname vermeerder. Om die vraag te voorspel, hierdie metode vereis dat die getal periodes vir die beste passing plus een jaar van verkope geskiedenis. Hierdie metode is nuttig om die vraag na seisoenale items met groei of afname voorspel. 3.2.1.1 Voorbeeld: Metode 1: persent oor verlede jaar het die persent meer as verlede jaar formule vermeerder verkope data van die vorige jaar met 'n faktor wat jy spesifiseer en dan projekte wat lei oor die volgende jaar. Hierdie metode dalk wees bruikbare in begrotings te boots die invloed van 'n bepaalde groeikoers of wanneer verkope geskiedenis het 'n beduidende seisoenale komponent. Voorspelling spesifikasies: Vermenigvuldiging faktor. Byvoorbeeld, spesifiseer 110 in die verwerking opsie om die vorige jaar verkope geskiedenis data te verhoog met 10 persent. Vereis verkope geskiedenis: Een jaar vir die berekening van die voorspelling, plus die aantal tydperke wat nodig is vir die evaluering van die voorspelling prestasie (tydperke van beste passing) wat jy spesifiseer. Hierdie tabel is geskiedenis wat in die vooruitsig berekening: Februarie voorspel gelyk 117 keer 1.1 128,7 afgerond tot 129. Maart voorspel gelyk 115 keer 1.1 126,5 afgerond tot 127. 3.2.2 Metode 2: Bereken persent teenoor verlede jaar hierdie metode gebruik die berekende persent oor verlede jaar formule om die verlede verkope van vermelde tydperke te vergelyk met verkope van dieselfde tydperke van die vorige jaar. Die stelsel bepaal 'n persentasie toename of afname, en dan vermenigvuldig elke tydperk deur die persentasie die voorspelling te bepaal. Om die vraag te voorspel, hierdie metode vereis dat die aantal periodes van verkope orde geskiedenis plus een jaar van verkope geskiedenis. Hierdie metode is nuttig om kort vraag term vir seisoenale items met groei of afname voorspel. 3.2.2.1 Voorbeeld: Metode 2: Bereken persent teenoor verlede jaar die berekende Persent teenoor verlede jaar formule vermeerder verkope data van die vorige jaar met 'n faktor wat bereken word deur die stelsel, en dan projekteer dat resultaat vir die volgende jaar. Hierdie metode dalk nuttig in projekteer die invloed van die uitbreiding van die onlangse groeikoers vir 'n produk in die volgende jaar, terwyl die behoud van 'n seisoenale patroon wat in die verkope geskiedenis is nie. Voorspelling spesifikasies: Range van verkope geskiedenis om te gebruik in die berekening van die groeikoers. Byvoorbeeld, spesifiseer N gelyk 4 in die verwerking opsie om verkope geskiedenis vergelyk vir die mees onlangse vier tydperke vir diegene dieselfde vier tydperke van die vorige jaar. Gebruik die berekende verhouding tot die projeksie te maak vir die volgende jaar. Vereis verkope geskiedenis: Een jaar vir die berekening van die voorspelling plus die aantal tydperke wat nodig is vir die evaluering van die voorspelling prestasie (tydperke van beste passing). Hierdie tabel is geskiedenis wat in die vooruitsig berekening, gegewe N 4: Februarie voorspel gelyk 117 keer 0,9766 114,26 afgerond tot 114. Maart voorspel gelyk 115 keer 0,9766 112,31 afgerond tot 112. 3.2.3 Metode 3: verlede jaar tot die Jaar Die metode gebruik laaste jaar verkope vir die volgende jaar voorspel. Om die vraag te voorspel, hierdie metode vereis dat die aantal periodes beste passing plus een jaar van verkope orde geskiedenis. Hierdie metode is nuttig om die vraag na volwasse produkte met die vraag vlak of seisoenale vraag sonder 'n tendens voorspel. 3.2.3.1 Voorbeeld: Metode 3: verlede jaar tot vanjaar het die verlede jaar tot vanjaar se Formule kopieë verkoop data van die vorige jaar tot die volgende jaar. Hierdie metode dalk nuttig in die begroting om verkope te boots by die huidige vlak wees. Die produk is volwasse en het geen tendens oor die lang termyn, maar 'n beduidende seisoenale vraag patroon mag bestaan. Voorspelling spesifikasies: Geen. Vereis verkope geskiedenis: Een jaar vir die berekening van die voorspelling plus die aantal tydperke wat nodig is vir die evaluering van die voorspelling prestasie (tydperke van beste passing). Hierdie tabel is geskiedenis wat in die vooruitsig berekening: Januarie voorspel gelyk Januarie verlede jaar met 'n voorspelling van 128. Februarie voorspel gelyk Februarie verlede jaar met 'n voorspelling waarde van 117. Maart voorspel gelyk Maart verlede jaar met 'n voorspelling waarde van 115. 3.2.4 metode 4: Moving Gemiddelde Hierdie metode maak gebruik van die bewegende gemiddelde formule om die gespesifiseerde aantal periodes gemiddeld tot die volgende tydperk projekteer. Jy moet herbereken dit dikwels (maandeliks, of ten minste kwartaalliks) om te besin veranderende vraag vlak. Om die vraag te voorspel, hierdie metode vereis dat die aantal periodes beste passing plus die aantal periodes van verkope orde geskiedenis. Hierdie metode is nuttig om die vraag na volwasse produkte sonder 'n tendens voorspel. 3.2.4.1 Voorbeeld: Metode 4: Moving Gemiddelde bewegende gemiddelde (MA) is 'n gewilde metode vir gemiddeld die resultate van onlangse verkope geskiedenis om 'n projeksie vir die kort termyn te bepaal. Die MA-vooruitskatting metode loop agter tendense. Voorspelling vooroordeel en sistematiese foute kom voor wanneer die produk verkoop geskiedenis uitbeeld sterk tendens of seisoenale patrone. Hierdie metode werk beter vir 'n kort reeks voorspellings van volwasse produkte as vir produkte wat in die groei of veroudering stadiums van die lewensiklus. Voorspel spesifikasies: N is gelyk aan die aantal periodes van verkope geskiedenis om te gebruik in die vooruitsig berekening. Byvoorbeeld, spesifiseer N 4 in die opsie verwerking tot die mees onlangse vier tydperke gebruik as die grondslag vir die projeksie in die volgende tydperk. 'N Groot waarde vir N (soos 12) vereis meer verkope geskiedenis. Dit lei tot 'n stabiele vooruitsig, maar is traag om skofte te erken in die vlak van verkope. Aan die ander kant, 'n klein waarde vir N (soos 3) is vinniger om te reageer op veranderinge in die vlak van verkope, maar die voorspelling kan so wyd dat produksie nie kan reageer op die verskille wissel. Vereis verkope geskiedenis: N plus die aantal tydperke wat nodig is vir die evaluering van die voorspelling prestasie (tydperke van beste passing). Hierdie tabel is geskiedenis wat in die vooruitsig berekening: Februarie voorspel gelyk (114 119 137 125) / 4 123,75 afgerond tot 124. Maart voorspel gelyk (119 137 125 124) / 4 126,25 afgerond tot 126. 3.2.5 Metode 5: Lineêre die aanpassing hierdie metode maak gebruik van die Lineêre die aanpassing formule om 'n tendens van die aantal periodes van verkope orde geskiedenis bereken en om hierdie tendens om die voorspelling te projekteer. Jy moet die tendens maandelikse herbereken om veranderinge in tendense te bespeur. Hierdie metode vereis dat die aantal periodes van beste passing plus die aantal vermelde tydperke van verkope orde geskiedenis. Hierdie metode is nuttig om die vraag na nuwe produkte, of produkte met 'n steeds positief of negatief tendense wat nie as gevolg van seisoenale skommelinge voorspel. 3.2.5.1 Voorbeeld: Metode 5: Lineêre die aanpassing Lineêre die aanpassing bereken 'n tendens wat gebaseer is op twee verkope geskiedenis datapunte. Dié twee punte definieer 'n reguit tendens lyn wat geprojekteer in die toekoms. Gebruik hierdie metode met omsigtigheid, want 'n lang reeks voorspellings is aged deur klein veranderinge in net twee datapunte. Voorspel spesifikasies: N is gelyk aan die data punt in verkope geskiedenis wat in vergelyking met die mees onlangse data dui op 'n tendens te identifiseer. Byvoorbeeld, spesifiseer N 4 om die verskil tussen Desember (mees onlangse data) en Augustus te gebruik (vier periodes voor Desember) as die basis vir die berekening van die tendens. Minimum vereiste verkope geskiedenis: N plus 1 plus die aantal tydperke wat nodig is vir die evaluering van die voorspelling prestasie (tydperke van beste passing). Hierdie tabel is geskiedenis wat in die vooruitsig berekening: Januarie voorspel Desember van verlede jaar 1 (Trend) wat 137 is gelyk aan (1 keer 2) 139. Februarie voorspel Desember van verlede jaar 1 (Trend) wat 137 (2 keer 2) 141 gelyk. Maart voorspel Desember van verlede jaar 1 (Trend) wat gelyk 137 (3 keer 2) 143. 3.2.6 metode 6: kleinstekwadrate-regressielyn die kleinstekwadrate regressie (LSR) metode is afgelei van 'n vergelyking beskryf 'n reguit lyn tussen die historiese verkope data en die verloop van tyd. LSR pas 'n lyn om die geselekteerde data sodat die som van die kwadrate van die verskille tussen die werklike verkope datapunte en die regressielyn is tot die minimum beperk. Die voorspelling is 'n projeksie van die reguit lyn in die toekoms. Hierdie metode vereis verkope data geskiedenis vir die tydperk wat deur die aantal periodes beste passing plus die gespesifiseerde aantal historiese data tydperke. Die minimum vereiste is twee historiese data punte. Hierdie metode is nuttig om die vraag te voorspel wanneer 'n lineêre tendens is in die data. 3.2.6.1 Voorbeeld: Metode 6: kleinstekwadrate-regressielyn lineêre regressie, of kleinstekwadrate-regressielyn (LSR), is die gewildste metode vir die identifisering van 'n lineêre neiging in historiese verkope data. Die metode word bereken dat die waardes vir a en b te gebruik in die formule: Hierdie vergelyking beskryf 'n reguit lyn, waar y verkope en X verteenwoordig tyd. Lineêre regressie is traag om draaipunte en stap funksie skofte erken in aanvraag. Lineêre regressie pas 'n reguit lyn na die data, selfs wanneer die data is seisoenaal of beter beskryf deur 'n kromme. Wanneer verkope geskiedenis data volg op 'n kurwe of 'n sterk seisoenale patroon, voorspel vooroordeel en sistematiese foute. Voorspel spesifikasies: N is gelyk aan die tydperke van verkope geskiedenis wat gebruik sal word in die berekening van die waardes vir a en b. Byvoorbeeld, spesifiseer N 4 tot die geskiedenis van September gebruik tot Desember as die basis vir die berekening. Wanneer data beskikbaar is, sal 'n groter N (soos N 24) gewoonlik gebruik word. LSR definieer 'n lyn vir so min as twee datapunte. Vir hierdie voorbeeld, 'n klein waarde vir N (N 4) is gekies om die handleiding berekeninge wat nodig is om die resultate te verifieer verminder. Minimum vereiste verkope geskiedenis: N tydperke plus die aantal tydperke wat nodig is vir die evaluering van die voorspelling prestasie (tydperke van beste passing). Hierdie tabel is geskiedenis wat in die vooruitsig berekening: Maart voorspel gelyk 119,5 (7 keer 2.3) 135,6 afgerond tot 136. 3.2.7 Metode 7: tweede graad benadering tot die voorspelling projekteer, hierdie metode maak gebruik van die tweede graad aanpassing formule om 'n kurwe plot wat gebaseer is op die aantal periodes van verkope geskiedenis. Hierdie metode vereis dat die aantal periodes beste passing plus die aantal periodes van verkope orde geskiedenis maal drie. Hierdie metode is nie bruikbaar vir die vraag na 'n tydperk langtermyn voorspel. 3.2.7.1 Voorbeeld: Metode 7: tweede graad aanpassing lineêre regressie bepaal waardes vir a en b in die vooruitsig formule Y A B X met die doel van pas 'n reguit lyn na die verkope geskiedenis data. Tweede graad benadering is soortgelyk, maar hierdie metode bepaal waardes vir a, b, en c in die hierdie voorspelling formule: Y A B X c X 2 Die doel van hierdie metode is om 'n kurwe na die verkope geskiedenis data te pas. Hierdie metode is nuttig wanneer 'n produk is in die oorgang tussen lewensiklus stadiums. Byvoorbeeld, wanneer 'n nuwe produk beweeg van inleiding tot groeistadiums, kan die verkope tendens versnel. As gevolg van die tweede orde termyn, kan die voorspelling vinnig nader oneindigheid of daal tot nul (afhangende van of koëffisiënt c positief of negatief). Hierdie metode is net nuttig in die kort termyn. Voorspelling spesifikasies: die formule te vind a, b, en c aan 'n kromme presies drie punte aan te pas. Jy spesifiseer N, die aantal tydperke van data te versamel in elk van die drie punte. In hierdie voorbeeld is N 3. werklike verkope data vir April tot Junie gekombineer in die eerste punt, Q1. Julie tot September word bymekaar getel om die 2de kwartaal skep, en Oktober tot Desember som tot Q3. Die kurwe is toegerus om die drie waardes Q1, Q2, en Q3. Vereis verkope geskiedenis: 3 keer n periodes vir die berekening van die voorspelling plus die aantal tydperke wat nodig is vir die evaluering van die voorspelling prestasie (tydperke van beste passing). Hierdie tabel is geskiedenis wat in die vooruitsig berekening: Q0 (Jan) (Februarie) (Maart) Q1 (April) (Mei) (Junie) wat 125 122 137 384 Q2 gelyk (Julie) (Augustus) (September) wat 140 129 is gelyk aan 131 400 Q3 (Oktober) (November) (Desember) wat gelyk 114 119 137 370 die volgende stap behels die berekening van die drie koëffisiënte a, b, en C om gebruik te word in die voorspelling formule Y AB X c X 2. Q1, Q2, en Q3 word op die grafiese, waar tyd word op die horisontale as. Q1 verteenwoordig totale historiese verkope vir April, Mei en Junie en is geplot op X 1 Q2 ooreenstem met Julie tot September Q3 ooreenstem met Oktober tot Desember en Q4 verteenwoordig Januarie tot Maart. Dit grafiese illustreer die plot van Q1, Q2, Q3 en Q4 vir die tweede graad benadering: Figuur 3-2 Plot Q1, Q2, Q3 en Q4 vir die tweede graad benadering Drie vergelykings beskryf die drie punte op die grafiek: (1) Q1 'n bX CX 2 waar X 1 (Q1 ABC) (2) Q2 n bX CX 2 waar X 2 (2de kwartaal 'n 2b 4C) (3) Q3 n bX CX 2 waar X 3 (V3 n 3b 9c) Los die drie vergelykings gelyktydig om b, a, en c te vind: Trek vergelyking 1 (1) van vergelyking 2 (2) en op te los vir b: (2) uitvoering maak (1) Q2 uitvoering maak Q1 b 3c b (Q2 uitvoering maak Q1) uitvoering maak 3c Plaasvervanger hierdie vergelyking vir b in vergelyking (3): (3) Q3 n 3 (Q2 uitvoering maak Q1) uitvoering maak 3c 9c n Q3 uitvoering maak 3 (Q2 uitvoering maak Q1) Ten slotte, vervang hierdie vergelykings vir a en b in vergelyking (1): (1) Q3 ndash 3 (Q2 uitvoering maak Q1) (Q2 uitvoering maak Q1) uitvoering maak 3c c Q1 c (Q3 uitvoering maak Q2) (Q1 uitvoering maak Q2) / 2 Die tweede graad aanpassing metode bereken a, b, en c soos volg: 'n Q3 uitvoering maak 3 (Q2 ndash Q1) 370 ndash 3 (400 ndash 384) 370 ndash 3 (16) 322 b (Q2 uitvoering maak Q1) ndash3c (400 ndash 384) uitvoering maak (3 keer ndash23) 16 69 85 c (Q3 uitvoering maak Q2) (Q1 uitvoering maak Q2) / 2 (370 ndash 400) (384 ndash 400) / 2 ndash23 Dit is 'n berekening van die tweede graad benadering vooruitsig: Y 'n bX CX 2 322 85 X (ndash23) (X 2) Wanneer X 4, K4 322 340 ndash 368 294. Die voorspelling gelyk 294/3 98 per periode. Wanneer X 5, V5 322 425 ndash 575 172. Die voorspelling is gelyk 172/3 58,33 afgerond tot 57 per periode. Wanneer X 6, V6 322 510 ndash 828 4. Die voorspelling is gelyk aan 4/3 1.33 afgerond tot 1 per periode. Dit is die vooruitsig vir die volgende jaar, verlede jaar tot hierdie jaar: 3.2.8 Metode 8: Veelsydige Hierdie metode maak dit moontlik om die beste passing aantal periodes van verkope orde geskiedenis wat begin N maande voor die vooruitsig begin datum kies, en om pas 'n persentasie verhoging of vermenigvuldiging faktor waarmee die voorspelling verander afneem. Hierdie metode is soortgelyk aan Metode 1, persent oor verlede jaar, behalwe dat jy die aantal periodes wat jy gebruik as die basis kan spesifiseer. Afhangende van wat jy as N kies, hierdie metode vereis tydperke beste passing plus die aantal periodes van verkope data wat aangedui. Hierdie metode is nuttig om die vraag na 'n beplande ontwikkeling voorspel. 3.2.8.1 Voorbeeld: Metode 8: buigbare metode Die buigbare metode (persent oor N maande voor) is soortgelyk aan Metode 1, persent oor verlede jaar. Beide metodes vermeerder verkope data uit 'n vorige tydperk met 'n faktor wat deur julle, en dan projek wat lei na die toekoms. In die persent meer as verlede jaar metode, is die projeksie gebaseer op data van die dieselfde tydperk in die vorige jaar. Jy kan ook die buigbare metode gebruik om 'n tydperk, ander as in dieselfde tydperk in die vorige jaar spesifiseer, te gebruik as die basis vir die berekening. Vermenigvuldigingsfaktor. Byvoorbeeld, spesifiseer 110 in die verwerking opsie om vorige verkope geskiedenis data te verhoog met 10 persent. Basistydperk. Byvoorbeeld, N 4 veroorsaak dat die eerste skatting moet gebaseer wees op die verkope data in September verlede jaar. Minimum vereiste verkope geskiedenis: die aantal periodes terug na die basis tydperk plus die aantal tydperke wat nodig is vir die evaluering van die voorspelling prestasie (tydperke van beste passing). Hierdie tabel is geskiedenis wat in die vooruitsig berekening: 3.2.9 Metode 9: Geweegde bewegende gemiddelde geweegde bewegende gemiddelde formule is soortgelyk aan Metode 4, bewegende gemiddelde formule, want dit gemiddeldes die vorige maande verkope geskiedenis na die volgende maande verkope geskiedenis projekteer. Maar met hierdie formule kan jy gewigte toewys vir elk van die vorige tydperke. Hierdie metode vereis dat die getal gekies geweegde tydperke plus die aantal periodes beste passing data. Soortgelyk aan bewegende gemiddelde, hierdie metode loop agter tendense vraag, sodat hierdie metode word nie aanbeveel vir produkte met 'n sterk tendense of seisoenaliteit. Hierdie metode is nuttig om die vraag na volwasse produkte met die vraag wat relatief vlak voorspel. 3.2.9.1 Voorbeeld: Metode 9: Geweegde bewegende gemiddelde geweegde metode bewegende gemiddelde (WBA) is soortgelyk aan Metode 4, bewegende gemiddelde (MA). Jy kan egter ongelyke gewigte toewys aan die historiese data by die gebruik van WBG. Die metode bereken 'n geweegde gemiddelde van die afgelope verkope geskiedenis te kom by 'n projeksie vir die kort termyn. Meer onlangse data word gewoonlik toegeken 'n groter gewig as ouer data, sodat WBG is meer ontvanklik vir skofte in die vlak van verkope. Maar voorspelling vooroordeel en sistematiese foute kom voor wanneer die produk verkoop geskiedenis uitbeeld sterk tendense of seisoenale patrone. Hierdie metode werk beter vir 'n kort reeks voorspellings van volwasse produkte as vir produkte in die groei of veroudering stadiums van die lewensiklus. Die aantal periodes van verkope geskiedenis (N) te gebruik in die vooruitsig berekening. Byvoorbeeld, spesifiseer N 4 in die opsie verwerking tot die mees onlangse vier tydperke gebruik as die grondslag vir die projeksie in die volgende tydperk. 'N Groot waarde vir N (soos 12) vereis meer verkope geskiedenis. So 'n waarde resultate in 'n stabiele vooruitsig, maar dit is stadig om skofte te erken in die vlak van verkope. Aan die ander kant, 'n klein waarde vir N (soos 3) reageer vinniger te verskuiwings in die vlak van verkope, maar die voorspelling kan so wyd dat produksie kan nie reageer op die verskille wissel. Die gewig wat aan elk van die historiese data tydperke. Die opgedra gewigte moet totaal 1.00. Byvoorbeeld, wanneer n 4, gewigte van 0.50, 0.25, 0.15, en 0.10 toewys met die mees onlangse data ontvangs van die grootste gewig. Minimum vereiste verkope geskiedenis: N plus die aantal tydperke wat nodig is vir die evaluering van die voorspelling prestasie (tydperke van beste passing). Hierdie tabel is geskiedenis wat in die vooruitsig berekening: Januarie voorspel gelyk (131 keer 0.10) (114 keer 0,15) (119 keer 0,25) (137 keer 0.50) / (0.10 0.15 0.25 0.50) 128,45 afgerond tot 128. Februarie voorspel gelyk (114 tye 0.10) (119 keer 0,15) (137 keer 0,25) (128 keer 0.50) / 1 127,5 afgerond tot 128. Maart voorspel gelyk (119 keer 0.10) (137 keer 0,15) (128 keer 0,25) (128 keer 0.50) / 1 128,45 afgerond tot 128. 3.2.10 metode 10: Lineêre Smoothing Hierdie metode bereken 'n geweegde gemiddelde van die verlede verkope data. In die berekening van hierdie metode gebruik die aantal periodes van verkope orde geskiedenis (van 1 tot 12) wat aangedui in die opsie verwerking. Die stelsel maak gebruik van 'n wiskundige vordering om data in die reeks van die eerste (minste gewig) tot die finale (die meeste gewig) weeg. Dan projekte die stelsel hierdie inligting aan elke tydperk in die vooruitsig. Hierdie metode vereis dat die maande beste passing plus die verkope orde geskiedenis vir die aantal periodes wat vermeld in die opsie verwerking. 3.2.10.1 Voorbeeld: Metode 10: Lineêre Smoothing Hierdie metode is soortgelyk aan Metode 9, WBG. Maar in plaas van na willekeur toeken gewigte aan die historiese data, 'n formule word gebruik om gewig wat lineêr afneem toewys en som tot 1.00. Die metode bereken dan 'n geweegde gemiddelde van die afgelope verkope geskiedenis te kom by 'n projeksie vir die kort termyn. Soos alle lineêre bewegende gemiddelde vooruitskatting tegnieke, voorspelling vooroordeel en sistematiese foute kom voor wanneer die produk verkoop geskiedenis uitbeeld sterk tendens of seisoenale patrone. Hierdie metode werk beter vir 'n kort reeks voorspellings van volwasse produkte as vir produkte in die groei of veroudering stadiums van die lewensiklus. N is gelyk aan die aantal periodes van verkope geskiedenis om te gebruik in die vooruitsig berekening. Byvoorbeeld, spesifiseer N gelyk 4 in die verwerking opsie om die mees onlangse vier tydperke gebruik as die grondslag vir die projeksie in die volgende tydperk. Die stelsel ken outomaties die gewigte na die historiese data wat lineêr afneem en som tot 1.00. Byvoorbeeld, wanneer n gelyk 4, die stelsel wys gewigte van 0.4, 0.3, 0.2, en 0.1, met die mees onlangse data ontvangs van die grootste gewig. Minimum vereiste verkope geskiedenis: N plus die aantal tydperke wat nodig is vir die evaluering van die voorspelling prestasie (tydperke van beste passing). Hierdie tabel is geskiedenis wat in die vooruitsig berekening: 3.2.11 Metode 11: Eksponensiële Smoothing hierdie metode bereken 'n reëlmatige gemiddelde, wat 'n skatting wat die algemene vlak van verkope oor die gekose historiese data tydperke raak. Hierdie metode vereis verkope data geskiedenis vir die tydperk wat deur die aantal periodes beste passing plus die aantal historiese data tydperke wat vermeld. Die minimum vereiste is twee historiese data tydperke. Hierdie metode is nuttig om die vraag te voorspel wanneer daar geen lineêre tendens is in die data. 3.2.11.1 Voorbeeld: Metode 11: Eksponensiële Smoothing Hierdie metode is soortgelyk aan Metode 10, Lineêre Smoothing. In Lineêre Smoothing, die stelsel wys gewigte wat lineêr afneem om die historiese data. In Eksponensiële Smoothing, die stelsel wys gewigte wat eksponensieel verval. Die vergelyking vir Eksponensiële Smoothing voorspelling is: Voorspelling alfa (Vorige werklike verkope) (1 ndashalpha) (vorige skatting) Die voorspelling is 'n geweegde gemiddeld van die werklike verkope van die vorige tydperk en die voorspelling van die vorige tydperk. Alpha is die gewig wat toegepas word om die werklike verkope vir die vorige tydperk. (1 uitvoering maak alfa) is die gewig wat toegepas word om die voorspelling vir die vorige tydperk. Waardes vir Alpha reeks 0-1 en val gewoonlik tussen 0.1 en 0.4. Die som van die gewigte is 1.00 (alfa (1 uitvoering maak alfa) 1). Jy moet 'n waarde vir die glad konstante, Alpha toewys. As jy nie 'n waarde vir die glad konstante hoef te ken, die stelsel bereken 'n veronderstelde waarde wat gebaseer is op die aantal periodes van verkope geskiedenis wat vermeld in die opsie verwerking. Alpha is gelyk aan die smoothing konstante wat gebruik word om die reëlmatige gemiddelde te bereken vir die algemene vlak of omvang van verkope. Waardes vir Alpha wissel van 0 tot 1. N gelyk aan die omvang van verkope geskiedenis data in die berekeninge te sluit. Oor die algemeen, 'n jaar van verkope geskiedenis data is voldoende om die algemene vlak van verkope te skat. Vir hierdie voorbeeld, 'n klein waarde vir N (N 4) is gekies om die handleiding berekeninge wat nodig is om die resultate te verifieer verminder. Eksponensiële Smoothing kan 'n voorspelling wat gebaseer is op so min as een historiese data punt te genereer. Minimum vereiste verkope geskiedenis: N plus die aantal tydperke wat nodig is vir die evaluering van die voorspelling prestasie (tydperke van beste passing). Hierdie tabel is geskiedenis wat in die vooruitsig berekening: 3.2.12 Metode 12: Eksponensiële Smoothing met Trend en Seisoenaliteit hierdie metode bereken 'n tendens, 'n seisoenale indeks, en 'n eksponensieel stryk gemiddelde van die verkope orde geskiedenis. Die stelsel is van toepassing dan 'n projeksie van die tendens om die voorspelling en pas vir die seisoenale indeks. Hierdie metode vereis dat die aantal periodes beste passing plus twee jaar van verkope data, en het groot waarde om items wat beide tendens en seisoenaliteit in die vooruitsig het. Jy kan die alfa en beta faktor betree, of het die stelsel te bereken nie. Alpha en Beta faktore is die glad konstante wat die stelsel gebruik om die reëlmatige gemiddelde te bereken vir die algemene vlak of omvang van verkope (alfa) en die tendens komponent van die voorspelling (beta). 3.2.12.1 Voorbeeld: Metode 12: Eksponensiële Smoothing met Trend en Seisoenaliteit Hierdie metode is soortgelyk aan Metode 11, eksponensiële Smoothing, in die sin dat 'n reëlmatige gemiddelde bereken word. Maar Metode 12 sluit ook 'n term in die vooruitskatting vergelyking met 'n reëlmatige tendens te bereken. Die voorspelling is saamgestel uit 'n reëlmatige gemiddelde wat aangepas vir 'n lineêre tendens. Wanneer vermeld in die opsie verwerking, is die voorspelling ook aangepas vir die seisoen. MAD is 'n maatstaf van voorspelling fout. POA is 'n maatstaf van voorspelling vooroordeel. MAD is 'n maatstaf van die gemiddelde grootte van foute te verwag, gegewe 'n vooruitskatting metode en data geskiedenis. Omdat absolute waardes word gebruik in die berekening, moenie positiewe foute nie kanselleer negatiewe foute. Wanneer voorspellings is konsekwent te hoog, voorraad ophoop en voorraad koste styg. In dienste, die grootte van voorspelling foute is gewoonlik meer belangrik as wat voorspel vooroordeel. Wanneer die aankoop faktuur gepos, as daar 'n verskil in koste tussen die aankoop ontvangs en die aankoop faktuur, word die verskil proporsioneel aangepas word om die huidige produkte in voorraad, en enige oorblywende bedrag word as 'n uitgawe. In hierdie voorbeeld is 'n bestelling geskep en ontvang by 'n prys, en die aankoop faktuur gepos met 'n ander koste. Skep 'n bestelling vir 'n hoeveelheid van 2 en 'n eenheidsprys van 10.00. Skep 'n aankoop ontvangs van die produk. Skep 'n verkope orde vir 'n hoeveelheid van 1 en 'n eenheidsprys van 10.00. Skep 'n aankoop faktuur vir 'n hoeveelheid van 2 en 'n eenheidsprys van 12.00. Die verskil in eenheidsprys, 2.00, is gepos word aan die verskil in prys vir bewegende gemiddelde ag neem wanneer die aankoop faktuur gepos. Die rede hiervoor is dat twee produkte gekoop vir 'n koste van 20.00. Een van die produkte verkoop is vir 'n eenheidsprys van 10.00. Die aankoop faktuur gepos op 'n eenheidsprys van 12.00 met 'n hoeveelheid 2. Die eenheidsprys van die produk kan nie gepos word aan 14,00. As jy nodig het om die bewegende gemiddelde koste van 'n produk aan te pas, is inventaris aanpassings toegelaat as van vandag se datum. Jy kan nie terugwerkende krag 'n inventaris aanpassing aan die bewegende gemiddelde koste van 'n produk te verbeter. Jy kan nie die koste vloei deur daaropvolgende transaksies. In hierdie voorbeeld is die bewegende gemiddelde koste aangepas vir 'n produk. Kies die produk wat jy wil hê dat die bewegende gemiddelde koste vir pas. Die herwaardasie vir bewegende gemiddelde vorm ondersoek die beskikbare voorraad vir 'n produk. Die gekose produk het 'n gepos hoeveelheid 1, 'n gepos 'n waarde van 12,00, 'n gepos eenheidskoste van 12.00 en 'n koste per eenheid van 12.00. Nou werk die veld eenheidskoste tot 16.00. Die stelsel word bereken dat die oorblywende velde. Die aanpassing is gepos.