EWMA

Definisi EWMA (Purata Pergerakan Berat Eksponensial)

Rata-rata bergerak berwajaran eksponensial (EWMA) merujuk kepada rata-rata data yang digunakan untuk mengesan pergerakan portfolio dengan memeriksa hasil dan output dengan mempertimbangkan faktor yang berlainan dan memberi mereka bobot dan kemudian mengesan hasil untuk menilai prestasi dan untuk membuat penambahbaikan

Berat untuk EWMA mengurangkan secara eksponensial untuk setiap tempoh yang berjalan lebih jauh pada masa lalu. Juga, kerana EWMA mengandungi purata yang dikira sebelumnya, maka hasil dari Purata Pergerakan Berat Eksponensial akan menjadi kumulatif. Oleh kerana itu, semua titik data akan menyumbang kepada hasilnya, tetapi faktor sumbangan akan turun ketika EWMA tempoh berikutnya dikira.

Penjelasan

Formula EWMA ini menunjukkan nilai purata bergerak pada satu masa t.

EWMA (t) = a * x (t) + (1-a) * EWMA (t-1)

Di mana

  • EWMA (t) = purata bergerak pada masa t
  • a = darjah nilai parameter pencampuran antara 0 dan 1
  • x (t) = nilai isyarat x pada masa t

Formula ini menyatakan nilai purata bergerak pada masa t. Berikut adalah parameter yang menunjukkan kadar data lama akan dikira. Nilai kehendak antara 0 hingga 1.

Sekiranya a = 1 itu bermaksud hanya data terbaru yang telah digunakan untuk mengukur EWMA. Sekiranya mendekati 0, itu bermakna lebih banyak pemberian diberikan kepada data lama dan jika mendekati 1 itu bermakna data yang lebih baru telah diberi lebih banyak pemberat.

Contoh EWMA

Berikut adalah contoh Purata Pergerakan Berat Eksponensial

Anda boleh memuat turun Templat EWMA Excel ini di sini - Templat EWMA Excel

Contoh # 1

Mari kita pertimbangkan 5 titik data seperti jadual di bawah:

Dan parameter a = 30% atau 0.3

Jadi EWMA (1) = 40

EWMA untuk masa 2 adalah seperti berikut

  • EWMA (2) = 0.3 * 45 + (1-0.3) * 40.00
  • = 41.5

Kira juga purata bergerak berwajaran eksponensial untuk masa tertentu -

  • 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

Contoh # 2

Kami mengalami suhu bandar dalam darjah Celsius dari hari Ahad hingga Sabtu. Dengan menggunakan = 10% kita akan dapati suhu purata bergerak untuk setiap hari dalam seminggu.

Dengan menggunakan = 10%, kita akan mendapat purata bergerak berwajaran eksponensial untuk setiap hari dalam jadual di bawah:

Berikut adalah grafik yang menunjukkan perbandingan antara suhu sebenar dan EWMA:

Seperti yang kita lihat pelicinan cukup kuat dengan menggunakan = 10%. Dengan cara yang sama kita dapat menyelesaikan purata bergerak berwajaran eksponensial untuk banyak jenis siri masa atau set data berurutan.

Kelebihan

  • Ini dapat digunakan untuk mencari rata-rata menggunakan keseluruhan sejarah data atau output. Semua carta lain cenderung memperlakukan setiap data secara individu.
  • Pengguna dapat memberikan bobot pada setiap titik data sesuai kemudahannya. Berat ini boleh diubah untuk membandingkan pelbagai purata.
  • EWMA memaparkan data secara geometri. Oleh kerana data tersebut tidak banyak terjejas ketika berlaku outlier.
  • Setiap titik data dalam Purata Pergerakan Berat Eksponensial mewakili purata titik bergerak.

Batasan

  • Ini hanya dapat digunakan apabila data berterusan dalam jangka masa tersedia.
  • Ini boleh digunakan hanya apabila kita ingin mengesan pergeseran kecil dalam proses.
  • Kaedah ini boleh digunakan untuk mengira purata. Pemantauan varians memerlukan pengguna menggunakan beberapa teknik lain.

Perkara Penting

  • Data yang kami mahu mendapatkan purata bergerak berwajaran eksponensial harus disusun mengikut masa.
  • Ini sangat membantu dalam mengurangkan kebisingan pada titik data siri masa yang bising yang dapat disebut lancar.
  • Setiap output diberi pemberat. Data yang lebih terkini adalah, berat tertinggi yang akan diperolehnya.
  • Cukup bagus untuk mengesan pergeseran yang lebih kecil tetapi lebih lambat dalam mengesan pergeseran besar.
  • Ia dapat digunakan apabila ukuran sampel subkelompok lebih besar dari 1.
  • Di dunia nyata, kaedah ini boleh digunakan dalam proses kimia dan proses perakaunan dari hari ke hari.
  • Ia juga dapat digunakan untuk menunjukkan turun naik pengunjung laman web pada hari-hari dalam seminggu.

Kesimpulannya

EWMA adalah alat untuk mengesan pergeseran yang lebih kecil dalam jangka masa proses terikat. Purata bergerak berwajaran eksponensial juga sangat dipelajari dan menggunakan model untuk mencari data bergerak rata-rata. Ia juga sangat berguna dalam meramalkan asas peristiwa data masa lalu. Purata Bergerak Eksponensial adalah asas yang diandaikan bahawa pemerhatian biasanya diedarkan. Ia mempertimbangkan data masa lalu berdasarkan beratnya. Oleh kerana data lebih banyak pada masa lalu, berat pengiraannya akan turun secara eksponen.

Pengguna juga dapat memberikan bobot pada data masa lalu untuk mengetahui satu set EWMA yang berbeza dengan berat yang berbeza. Juga kerana data yang ditunjukkan secara geometri, data tidak banyak terpengaruh kerana outlier, oleh itu data yang lebih lancar dapat dicapai dengan menggunakan kaedah ini.