Gleitende Durchschnittliche Betriebswirtschaftslehre

Verschieben von Durchschnitten und Extrapolation Diese beiden Methoden nutzen umfangreiche Verwendung von Absatz - und anderen Daten, um Vorhersagen über die Zukunft zu machen. Ein gleitender Durchschnitt nimmt eine Datenreihe und glättet die Schwankungen in den Daten, um einen Durchschnitt zu zeigen. Das Ziel ist es, die Extreme der Daten von Zeitraum zu Zeit. Gleitende Durchschnitte werden häufig auf vierteljährlicher oder wöchentlicher Basis berechnet. Die Extrapolation beinhaltet die Verwendung von Trends, die durch historische Daten erstellt wurden, um Vorhersagen über zukünftige Werte zu treffen. Die Grundannahme der Extrapolation besteht darin, dass das Muster in die Zukunft fortschreitet, es sei denn, es spricht etwas anderes dafür. Um diese Techniken weiter zu verstehen, schauen Sie sich das folgende Diagramm an, das den Quartalsabschluss (m) für ein großes Geschäft von Q1 Year06 bis Q4 (Year10) zeigt: Die blaue Linie zeigt den tatsächlichen Umsatz im Quartal an. Wie Sie sehen können, variiert der Umsatz von Quartal zu Quartal, obwohl Sie vielleicht aus der Betrachtung der Daten, dass der allgemeine Trend ist für eine Steigerung Anstieg der Umsatz zu erraten. Die rote Linie zeigt den vierteljährlichen gleitenden Durchschnitt. Dies wird berechnet, indem die letzten vier Quartale der Verkäufe (z. B. Q1 Q2 Q3 Q4) addiert werden und dann durch vier dividiert wird. Diese Technik glättet die vierteljährlichen Schwankungen und gibt einen guten Hinweis auf die Gesamtentwicklung des Quartalsumsatzes. Wenn man sich das Diagramm ansieht, wie können sich die gleitenden Mittelwerte und die Extrapolation helfen, den Umsatz ab dem Jahr 11 zu prognostizieren, zeigt der gleitende Durchschnitt den Wachstumstrend an (ausgedrückt als prozentuale Wachstumsrate), und diese Extrapolation würde zuerst den Weg vorhersagen Künftige Verkäufe. Dies könnte mathematisch mit einer Kalkulationstabelle durchgeführt werden. Alternativ kann ein extrapolierter Trend einfach als grobe Schätzung gezeichnet werden, wie unten gezeigt: Wie nützlich ist die Extrapolation Die wichtigsten Vorteile und Nachteile sind unten zusammengefasst: Vorteile der Extrapolation Eine einfache Methode der Prognose Nicht viel Daten erforderlich Schnell und billig Nachteile der Verwendung von Extrapolation Unzuverlässig, wenn erhebliche Schwankungen der historischen Daten vorliegen Angenommen, der vergangene Trend wird in der Zukunft in vielen Wettbewerbsumgebungen unwahrscheinlich bleiben Ignoriert qualitative Faktoren (zB Veränderungen der Geschmacksverstärkermarken) Gleitende Mittelwerte Wenn diese Informationen in einem Diagramm gezeichnet sind, Sieht so aus: Dies zeigt, dass es eine große Variation in der Anzahl der Besucher je nach Saison. Es gibt weit weniger im Herbst und Winter als im Frühjahr und Sommer. Wenn wir jedoch einen Trend in der Anzahl der Besucher sehen wollten, könnten wir einen 4-Punkte-Gleitender Durchschnitt berechnen. Wir erreichen dies durch die durchschnittliche Besucherzahl in den vier Quartalen 2005: Dann finden wir die durchschnittliche Besucherzahl in den letzten drei Quartalen 2005 und im ersten Quartal 2006: Dann die letzten beiden Quartale 2005 und die ersten beiden Quartale Von 2006: Das letzte Mittel, das wir finden können, ist für die letzten zwei Quartale von 2006 und die ersten zwei Quartale von 2007. Wir zeichnen die gleitenden Durchschnitte auf einem Diagramm und stellen sicher, dass jeder Durchschnitt in der Mitte der vier Viertel geplottet wird Es deckt sich: Wir sehen jetzt, dass es einen sehr leichten Abwärtstrend bei den Besuchern gibt. Moving Durchschnitt Mittel der Zeitreihen-Daten (Beobachtungen gleichmäßig in der Zeit) von mehreren aufeinander folgenden Perioden. Wird bewegt, weil es kontinuierlich neu berechnet wird, sobald neue Daten verfügbar sind, schreitet es fort, indem es den frühesten Wert fällt und den letzten Wert addiert. Beispielsweise kann der gleitende Durchschnitt der sechsmonatigen Verkäufe berechnet werden, indem man den Durchschnitt der Verkäufe von Januar bis Juni, dann den Durchschnitt der Verkäufe von Februar bis Juli, dann von März bis August und so weiter berechnet. (1) reduzieren die Wirkung von temporären Variationen in den Daten, (2) verbessern die Anpassung von Daten an eine Zeile (ein Prozess namens Glättung), um die Daten Trend deutlicher zu zeigen, und (3) markieren Sie einen beliebigen Wert über oder unter der Trend. Wenn Sie etwas mit sehr hoher Varianz sind das Beste, was Sie möglicherweise tun können, ist herauszufinden, den gleitenden Durchschnitt. Ich wollte wissen, was der gleitende Durchschnitt der Daten war, so hätte ich ein besseres Verständnis davon, wie wir taten. Wenn Sie versuchen, herauszufinden, einige Zahlen, die oft das Beste, was Sie tun können, ist die Berechnung der gleitenden Durchschnitt zu ändern.