EWMA (eksponenciāli svērtā slīdošā vidējā) definīcija
Eksponenciāli svērtais slīdošais vidējais (EWMA) attiecas uz datu vidējo lielumu, kas tiek izmantots portfeļa kustības izsekošanai, pārbaudot rezultātus un izvadi, ņemot vērā dažādos faktorus, piešķirot tiem svaru un pēc tam izsekojot rezultātus, lai novērtētu veiktspēju un veikt uzlabojumus
EWMA svars samazina eksponenciāli katru periodu, kas iet tālāk pagātnē. Turklāt, tā kā EWMA satur iepriekš aprēķināto vidējo rādītāju, eksponenciāli svērtā slīdošā vidējā rezultāts būs kumulatīvs. Tāpēc visi datu punkti veicinās rezultātu, bet ieguldījuma koeficients samazināsies, aprēķinot nākamo periodu EWMA.
Paskaidrojums
Šī EWMA formula parāda slīdošā vidējā vērtību laikā t.
EWMA (t) = a * x (t) + (1-a) * EWMA (t-1)
Kur
- EWMA (t) = slīdošais vidējais laikā t
- a = sajaukšanas parametra vērtības pakāpe no 0 līdz 1
- x (t) = signāla x vērtība laikā t
Šī formula norāda slīdošā vidējā vērtību laikā t. Šis ir parametrs, kas parāda ātrumu, kādā vecākie dati tiks aprēķināti. A vērtība būs no 0 līdz 1.
Ja a = 1, tas nozīmē, ka EWMA mērīšanai izmantoti tikai jaunākie dati. Ja a tuvojas 0, tas nozīmē, ka vecākiem datiem tiek piešķirts lielāks svars, un, ja a ir tuvu 1, tas nozīmē, ka jaunākiem datiem ir piešķirts lielāks svars.
EWMA piemēri
Tālāk ir sniegti eksponenciāli svērtā slīdošā vidējā piemēri
1. piemērs
Apsvērsim 5 datu punktus, kā norādīts zemāk esošajā tabulā:
| Laiks (t) | Novērojums (x) |
| 1 | 40 |
| 2 | 45 |
| 3 | 43 |
| 4 | 31 |
| 5 | 20 |
Un parametrs a = 30% vai 0,3
Tātad EWMA (1) = 40
2. laika EWMA ir šāda
- EWMA (2) = 0,3 * 45 + (1-0,3) * 40,00
- = 41,5
Līdzīgi aprēķiniet eksponenciāli svērto kustīgo vidējo vērtību noteiktajiem laikiem -
- EWMA (3) = 0,3 * 43 + (1-0,3) * 41,5 = 41,95
- EWMA (4) = 0,3 * 31 + (1-0,3) * 41,95 = 38,67
- EWMA (5) = 0,3 * 20 + (1-0,3) * 38,67 = 33,07
2. piemērs
Mums no svētdienas līdz sestdienai ir pilsētas temperatūra grādos pēc Celsija. Izmantojot = 10%, mēs atradīsim mainīgo vidējo temperatūru katrai nedēļas dienai.
| Nedēļas diena (t) | Temperatūra o c (x) |
| Svētdiena | 24 |
| Pirmdiena | 30 |
| Otrdiena | 36 |
| Trešdiena | 25 |
| Ceturtdiena | 22 |
| Piektdiena | 29 |
| Sestdiena | 30 |
Izmantojot a = 10%, zemāk esošajā tabulā atradīsim katras dienas eksponenciāli svērto slīdošo vidējo rādītāju:
Zemāk ir diagramma, kurā parādīts faktiskās temperatūras un EWMA salīdzinājums:
Kā redzam, izlīdzināšana ir diezgan spēcīga, izmantojot = 10%. Tādā pašā veidā mēs varam atrisināt eksponenciāli svērto slīdošo vidējo daudzu veidu laika rindām vai secīgām datu kopām.
Priekšrocības
- To var izmantot, lai atrastu vidējo, izmantojot visu datu vai izvades vēsturi. Visās pārējās diagrammās parasti tiek apstrādāti atsevišķi dati.
- Lietotājs katram svarīgajam punktam var noteikt svaru viņam ērtā laikā. Šo svaru var mainīt, lai salīdzinātu dažādus vidējos rādītājus.
- EWMA datus parāda ģeometriski. Tāpēc dati, kad rodas neparasti rādītāji, netiek daudz ietekmēti.
- Katrs eksponenciāli svērtā kustīgā vidējā līmeņa punkts norāda punktu kustīgo vidējo vērtību.
Ierobežojumi
- To var izmantot tikai tad, ja laika periodā ir pieejami nepārtraukti dati.
- To var izmantot tikai tad, ja mēs vēlamies atklāt nelielu procesa nobīdi.
- Šo metodi var izmantot, lai aprēķinātu vidējo. Lai uzraudzītu dispersiju, lietotājam jāizmanto kāda cita tehnika.
Svarīgi punkti
- Dati, kuriem mēs vēlamies iegūt eksponenciāli svērto slīdošo vidējo rādītāju, būtu jāpasaka pēc laika.
- Tas ir izdevīgi, lai samazinātu troksni trokšņainos laikrindu datu punktos, kurus var saukt par vienmērīgiem.
- Katrai izejai tiek piešķirts svars. Jaunāki dati ir visaugstākais svars, ko tas saņems.
- Tas ir diezgan labi, lai noteiktu mazākas maiņas, bet lēnāk - lielās maiņas.
- To var izmantot, ja apakšgrupas izlases lielums ir lielāks par 1.
- Reālajā pasaulē šo metodi var izmantot ķīmiskajos procesos un ikdienas grāmatvedības procesos.
- To var izmantot arī, lai parādītu vietnes apmeklētāju svārstības nedēļas dienās.
Secinājums
EWMA ir rīks, lai noteiktu mazākas nobīdes vidējā laika ierobežotā procesa laikā. Eksponenciāli svērtais kustīgais vidējais rādītājs ir arī ļoti pētīts un izmantots kā modelis, lai atrastu datu kustīgo vidējo rādītāju. Tas ir arī ļoti noderīgi, lai prognozētu notikumu bāzi par iepriekšējiem datiem. Eksponenciāli svērtais slīdošais vidējais ir pieņemts pamats tam, ka novērojumi parasti tiek sadalīti. Tā apsver iepriekšējos datus, pamatojoties uz viņu svaru. Tā kā dati ir vairāk pagātnē, to svars aprēķinam samazināsies eksponenciāli.
Lietotāji var arī ņemt vērā iepriekšējo datu svaru, lai uzzinātu atšķirīgu EWMA bāzes kopumu, kas atšķiras. Turklāt ģeometriski attēloto datu dēļ dati netiek daudz ietekmēti, ņemot vērā neefektīvos parametrus. Tādējādi, izmantojot šo metodi, var iegūt vairāk izlīdzinātu datu.
