Moving Average In Sap Bi

Einleitung Ein gleitender Durchschnitt ist eine einfache Technik, um zufällige Daten zu glätten. Meistens finden wir gleitende Durchschnitte, um die Bewegung der Aktienkurse zu analysieren, aber wir sehen sie auch in anderen Bereichen der Geschäfts - und Datenanalyse. Dies ist der erste Teil einer Serie von zwei Artikeln. Dieser Artikel beschreibt, was gleitende Durchschnitte und wie sie berechnet werden. Der zweite Teil untersucht dann, wie man gleitende Durchschnittsberechnungen in SAP BusinessObjects Web Intelligence implementiert. Wenn Sie bereits gleitende Durchschnitte verstehen, können Sie zum zweiten Artikel über die Implementierung in Web Intelligence überspringen. Was bewegt sich im Durchschnitt Ein gleitender Durchschnitt analysiert einen Satz von Datenpunkten, indem er einen Durchschnitt über einen kleineren Satz aktueller Datenpunkte berechnet. Zum Beispiel bei der Analyse des Aktienkurses über ein Jahr können wir einen gleitenden Durchschnitt generieren, der für einen bestimmten Tag der Durchschnitt der letzten 15 Tage ist. Abbildung 1 unten ist ein Beispiel für einen einfachen gleitenden Durchschnitt, der mit Google Finance generiert wird. Dieses Diagramm zeigt Google8217s Aktienkurs über dem letzten Jahr und die rote Linie ist ein gleitender Durchschnitt mit einem Zeitraum von 15 Tagen. Abbildung 1. Diagramm des Google39s-Aktienkurses mit einfachem gleitendem Durchschnitt Wir können aus dem obigen Beispiel sehen, dass der gleitende Durchschnitt (rote Linie) den fluktuierenden Aktienkurs glättet. Ein Merkmal eines gleitenden Durchschnitts ist, dass es hinter der ursprünglichen Kurve zurückbleibt. Dies liegt daran, dass an jedem Datenpunkt durchschnittlich ein Satz von vorherigen Datenpunkten benötigt wird. Für eine weitere Diskussion darüber, wie sich die gleitenden Mittelwerte in der Finanzierung nutzen, finden Sie unter Moving Averages bei StockCharts. Das Ziel, einen gleitenden Durchschnitt zu nutzen, besteht darin, kurzfristige Schwankungen zu reduzieren und längerfristige Trends hervorzuheben. Es gibt mehrere verschiedene Arten von gleitenden Durchschnitt und unterhalb von uns8217ll schauen, wie die häufigsten Beispiele zu berechnen. Danach sehen wir, wie man diese Berechnungen in Web Intelligence implementiert. Simple Moving Average Ein einfacher Moving Average (SMA) wie it8217s Name schlägt vor, ist der einfachste gleitende Durchschnitt zu berechnen. Für jeden Datenpunkt berechnen wir den Mittelwert über eine feste Anzahl von vorhergehenden Datenpunkten. Die nachstehende Tabelle zeigt eine solche Berechnung, bei der wir eine SMA von Periode 3 verwenden. Da die Periode unseres gleitenden Durchschnittsdatensatzes 3 ist, berechnen wir die ersten beiden Datenpunkte. Dann berechnen wir für jeden Datenpunkt den Mittelwert über die letzten drei Datenpunkte einschließlich des aktuellen Datenpunktes. Da bei der Berechnung unseres Durchschnittswertes der Summenwert addiert und der erste Wert abfällt, können wir unsere Berechnung vereinfachen, wo SMA (vorheriges) das Ergebnis ist, das wir zuvor berechnet haben, N die Größe des gleitenden Durchschnittsdatensatzes p1 ist Ist der erste Wert in unserem Set und pN ist der letzte Wert des Satzes. Ein Rückzug einer SMA ist, dass es alle bisherigen Datenpunkte im gleitenden Durchschnitt gleich behandelt und so können wir feststellen, dass ältere Datenpunkte die Berechnung negativ beeinflussen können. Um dies zu adressieren, können wir gewichtete oder exponentielle gleitende Durchschnitte verwenden. Weighted Moving Average Ein gewichteter gleitender Durchschnitt (WMA) wendet Gewichte an die Datenpunkte im gleitenden Mittelsatz an, so dass neuere Datenpunkte für das Gesamtergebnis mehr Bedeutung haben. Es gibt mehrere Möglichkeiten, wie wir Gewichte anwenden können und die einfachste ist, einen abnehmenden Satz von Gewichten zu verwenden, zum Beispiel wenn wir einen gleitenden durchschnittlichen Datensatz von 6 Datenpunkten haben, dann sind unsere Gewichte 6,5,4,3,2,1 Angewendet von den aktuellsten Daten bis zum frühesten. Unsere Berechnung ist ein bisschen komplexer und für einen gleitenden durchschnittlichen Datensatz von Größe 6 ist es also Also p6 ist unser aktueller Wert und wir multiplizieren wir mit 6, dann addieren wir dann das 5-fache des vorherigen Wertes, das 4-fache des Wertes vor diesem und bald. Dann teilen wir dies mit 6 (61) 2 auf. Dies ist die Berechnung für eine dreieckige Zahl und Wikipedia hat eine Erklärung, wie dies abgeleitet wird. Die nachstehende Tabelle zeigt die Berechnung eines WMA der Periode 3 für denselben Datensatz, den wir im obigen SMA-Beispiel verwendet haben. Exponential Moving Average Ein exponentieller gleitender Durchschnitt (EMA) verwendet einen exponentiell abnehmenden Satz von Gewichten. In der WMA über unsere Gewichte sank linear, ein exponentiell abnehmender Satz von Gewichten verringert sich schnell schnell und schlägt dann ab. Wenn wir ein Diagramm dieser Gewichte produzieren, würde es so etwas wie Abbildung 2 unten aussehen. Abbildung 2 Diagramm der abnehmenden exponentiellen Gewichte Eine EMA bietet mehr Gewicht auf die jüngsten Werte als ein WMA und es hat auch den weiteren Vorteil, leichter berechnet zu werden. Um eine EMA zu berechnen, nehmen wir den vorherigen EMA-Wert und addieren die Differenz zwischen dem aktuellen Datenpunktwert und dem vorherigen EMA multipliziert mit einer Konstante 8216alpha8217, die Konstante alpha repräsentiert die Skala der Gewichtungsabnahme und ist ein Wert zwischen 0 und 1. Ändern dieser Wert ändert sich die Menge der Gesamtglättung, bei der Werte nahe bei Null einen hohen Grad an Glättung anwenden und Werte näher 1 weniger produzieren. Die folgende Abbildung verwendet dieselben Datenpunkte, zeigt aber eine EMA mit einem Wert von 0,7 und 0,1 an. Abbildung 3 zwei Diagramme zeigen dieselben Quelldaten mit einem exponentiellen gleitenden Durchschnitt an, wobei unterschiedliche Werte von alpha verwendet werden. In unseren Berechnungen wenden wir nur die EMA vom 3. Datenpunkt an für den ersten Datenpunkt an, den es üblich ist, diesen auf 0 oder keinen Wert zu setzen Für den zweiten Datenpunkt setzen wir den Wert gleich dem Wert des 2. Datenpunktes. Die nachstehende Tabelle ist die Berechnung von EMA für unseren Beispieldatensatz mit einem Alpha-Wert von 0.4Einführung Der vorherige Artikel untersuchte, welche gleitenden Durchschnitte sind und wie man sie berechnet. Dieser Artikel schaut jetzt, wie man diese in Web Intelligence implementiert. Die hier verwendete Formel ist mit der XIr3-Version von SAP BOE kompatibel, aber einige Formel kann in früheren Versionen funktionieren, falls verfügbar. Wir beginnen mit dem Betrachten, wie man einen einfachen gleitenden Durchschnitt berechnet, bevor man gewichtete und exponentielle Formen betrachtet. Bearbeitete Beispiele Die nachfolgenden Beispiele verwenden den gleichen Datensatz, der aus Aktienkursdaten in einer Excel-Datei besteht, die Sie herunterladen können. Die erste Spalte in der Datei ist der Tag des Aktienkurses und dann Spalten des Eröffnungskurses, höchster Preis am Tag, niedrigster Preis, Schlusskurs, Volumen und angepaßter Schlusskurs. Wir verwenden den Schlusskurs in unserer Analyse unten zusammen mit dem Date-Objekt. Simple Moving Average Es gibt ein paar Möglichkeiten, mit denen wir einfache gleitende Durchschnitte berechnen können. Eine Option besteht darin, die Vorherige Funktion zu verwenden, um den Wert einer vorherigen Zeile zu erhalten. Zum Beispiel berechnet die folgende Formel einen gleitenden Durchschnitt auf unserem Schlusskurs für einen gleitenden durchschnittlichen Datensatz von Größe 3, das ist eine ganz einfache Formel aber es ist offensichtlich, dass es nicht praktisch ist, wenn wir eine große Anzahl von Perioden haben, die wir hier machen können Verwendung von RunningSum Formel und für einen Datensatz von Größe N haben wir endlich haben wir eine 3. Technik, die zwar komplizierter ist, kann es eine bessere Leistung haben, da es den neuen Wert auf der Grundlage des vorherigen Wertes anstatt zwei laufende Summen über die vollständigen Daten berechnet Set. Diese Formel funktioniert jedoch nur nach dem N-ten Punkt im Gesamtdatensatz und da sie sich auf einen vorherigen Wert bezieht, müssen wir auch einen Startwert setzen. Unten ist die volle Formel für unsere Aktienkursanalyse verwendet, wo unsere gleitende durchschnittliche Periode 15 Tage ist, das Datum 1252010 ist der 15. Datenpunkt in unserem Datensatz und so für diesen Punkt berechnen wir einen normalen Durchschnitt mit dem RunningSum. Für alle Termine jenseits dieses Wertes verwenden wir unsere SMA-Formel und wir lassen alle Termine vor diesem Datum leer. Abbildung 1 unten ist ein Diagramm in Web Intelligence, das unsere Aktienkursdaten mit einem einfachen gleitenden Durchschnitt anzeigt. Abbildung 1. Web Intelligence-Dokument zeigt eine einfache verschiebende durchschnittliche gewichtete bewegliche Durchschnitt Eine gewichtete gleitende durchschnittliche Formel mit einer Periode von 3 ist, wie bei unserer ersten einfachen gleitenden durchschnittlichen Formel oben ist dies nur für eine kleine Anzahl von Perioden praktisch. Ich habe noch nicht in der Lage, eine einfache Formel zu finden, die für größere gleitende durchschnittliche Perioden verwendet werden kann. Mathematisch ist es möglich, aber Einschränkungen mit Web Intelligence bedeutet, dass diese Formeln don8217t konvertieren. Wenn jemand in der Lage ist, dies zu tun, würde ich gerne hören Die folgende Abbildung ist ein WMA von Periode 6 in Web Intelligence implementiert. Abbildung 2. Web Intelligence-Dokument eines gewichteten beweglichen durchschnittlichen exponentiellen Moving Average Ein exponentieller gleitender Durchschnitt ist ganz einfach, um in Web Intelligence zu implementieren und ist daher eine geeignete Alternative zu einem gewichteten Moving Average. Die Grundformel ist hier hart codiert 0,3 als unser Wert für Alpha. Wir wenden diese Formel nur für Perioden an, die größer sind als unsere zweite Periode, so dass wir eine if-Anweisung verwenden können, um diese zu filtern. Für unsere erste und zweite Periode können wir den vorherigen Wert verwenden und so ist unsere endgültige Formel für EMA, unten ist ein Beispiel für eine EMA, die auf unsere Bestandsdaten angewendet wird. Abbildung 3. Web Intelligence-Dokument zeigt eine exponentielle Moving Average Input Controls Als unsere EMA Formel doesn8217t auf die Größe der gleitenden durchschnittlichen Zeitraum verlassen und unsere einzige Variable ist Alpha können wir Input Controls verwenden, damit der Benutzer den Wert von Alpha anpassen. Um dies zu tun, erstellen Sie eine neue Variable namens 8216alpha8217 und definieren it8217s Formel als, aktualisieren Sie unsere EMA Formel zu, Erstellen Sie eine neue Eingabesteuerung Auswahl unserer Alpha-Variable als Eingabe-Control-Report-Objekt Verwenden Sie einen einfachen Schieberegler und legen Sie die folgenden Eigenschaften, Sobald Sie getan haben Sollte in der Lage sein, den Schieberegler zu bewegen und sofort die Änderungen an der Trendlinie im Diagramm zu sehen. Fazit Wir haben uns gefragt, wie wir drei Arten von gleitendem Durchschnitt in Web Intelligence implementieren können und obwohl alles möglich war, ist der Exponential Moving Average wahrscheinlich der einfachste und flexibelste . Ich hoffe du hast diesen Artikel interessant gefunden und wie immer ist jedes Feedback sehr willkommen. Post navigation Hinterlasse eine Antwort Antworten abbrechen Du musst eingeloggt sein, um einen Kommentar zu posten. Der Trick zu Weighted Moving Average (WMA) ist, dass du eine Variable erstellen musst, die die Zähler von WMA repräsentiert (siehe Wikipedia als Referenz). Dies sollte wie folgt aussehen: Zurück (Self) (n Close) 8211 (Zurück (RunningSum ( Schließen)) 8211 Zurück (RunningSum (Schließen) n1) wobei n die Anzahl der Perioden ist, dann wäre die eigentliche WMA8217s Formel so: Numerator (n (n 1) 2) wobei Numerator die Variable ist, die du früher erstellt hast. BusinessObjects Business Intelligence Jobs BusinessObjects Business Intelligence Jobs Nachfrage Trend Die Nachfrage Trend der Job-Anzeigen zitiert BusinessObjects Business Intelligence als Anteil aller IT-Arbeitsplätze mit einem Match in der Datenbank amp Business Intelligence Kategorie BusinessObjects Business Intelligence Gehalt Trend Dieses Diagramm bietet die 3-Monats-Gleitender Durchschnitt Für Gehälter, die in permanenten IT-Jobs zitiert BusinessObjects Business Intelligence innerhalb des Vereinigten Königreichs BusinessObjects Business Intelligence Gehalt Histogramm Diese Grafik bietet ein Gehalt Histogramm für IT-Arbeitsplätze zitiert BusinessObjects Business Intelligence über die 3 Monate bis 26. Februar 2017 innerhalb des Vereinigten Königreichs. BusinessObjects Business Intelligence Top 30 Job Locations Die folgende Tabelle zeigt die Nachfrage und bietet einen Leitfaden für die Median Gehälter, die in IT-Jobs zitiert BusinessObjects Business Intelligence innerhalb des Vereinigten Königreichs über die 3 Monate bis 26. Februar 2017 zitiert. Die Rank Change Spalte gibt einen Hinweis auf Die Veränderung der Nachfrage in jedem Standort auf der Grundlage der gleichen 3 Monate Zeitraum im vergangenen Jahr. Rang Veränderung auf gleiche Periode Letztes Jahr Matching Permanent IT Job Anzeigen Median Gehalt Letzte 3 Monate