Moving Average In Sap Bi

Verschieben von durchschnittlichen Parametern. Verwenden Sie den Bildschirm "Verschieben von Durchschnittsparametern konfigurieren", um Parameter zu konfigurieren, die für die Verschiebung der durchschnittlichen Vorlage spezifisch sind. Mit dieser Vorlage können Sie Abfragen erstellen, die die Durchschnittswerte ausgewählter Maßnahmen anhand bestimmter Zeiträume berechnen. Sie bestimmen die zu übertragenden Zeiträume, Und Sie können das Ergebnis verwenden, um Vergangenheit zu analysieren oder zukünftige Ergebnisse zu untersuchen. In der Regel sind Ihre Prognosen genauer, wenn Sie den Durchschnitt über größere Zeiträume ausführen. Dies kann Geschäftsfragen wie die folgenden. Was sind die durchschnittlichen Herstellungskosten der Produkte A und B für Q2 und Q3, basierend auf den vorangegangenen vier Monaten. Die Hauptabschnitte und Steuerelemente dieses Bildschirms sind in der folgenden Tabelle aufgelistet. Moving Durchschnitt der Maßnahme. Listet alle Maße in den Würfel, auf dem die Abfrage basiert. Wählen Sie die Maßnahme für Die Sie möchten, um einen gleitenden Durchschnitt anzuzeigen. Basiert auf Anzahl der Perioden. Geben Sie die Anzahl der Zeiträume, auf denen die Basis basiert. Listet alle Dimensionen in der c Ube, auf dem die Abfrage basiert. Wählen Sie die Dimension aus, die die Hierarchie enthält, die im Feld Hierarchie angezeigt werden soll. Listet alle Hierarchien in der aktuell ausgewählten Dimension auf. Wählen Sie die Hierarchie aus, die die Ebene enthält, die im Feld "Ebene" angezeigt werden soll Aktuell ausgewählte Hierarchie. Wählen Sie die Ebene, die die Mitglieder enthält, die Sie in der Abfrage s Ergebnis sehen möchten. Ein gleitender Durchschnitt ist eine einfache Technik zum Glätten von zufälligen Daten Am häufigsten finden wir gleitende Durchschnitte, um die Bewegung der Aktienkurse zu analysieren, aber wir sehen sie auch in Andere Bereiche der Geschäfts - und Datenanalyse. Dies ist der erste Teil einer Serie von zwei Artikeln Dieser Artikel beschreibt, was sich bewegt und wie sie berechnet werden Der zweite Teil betrachtet dann, wie man gleitende Durchschnittsberechnungen in SAP BusinessObjects Web Intelligence implementiert Sie verstehen bereits gleitende Durchschnitte, die Sie zum zweiten Artikel überspringen können, wie man in Web Intelligence implementieren kann. Welches bewegende Mittelwerte ist. Ein gleitender Durchschnitt analysiert einen Satz Von Datenpunkten durch Berechnung eines Durchschnitts über einen kleineren Satz von aktuellen Datenpunkten 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 Ein einfacher gleitender Durchschnitt generiert mit Google Finance Diese Grafik zeigt Google s Aktienkurs über dem letzten Jahr und die rote Linie ist ein gleitender Durchschnitt mit einem Zeitraum von 15 Tagen. Figur 1 Chart von Google s Aktienkurs mit einfachen gleitenden Durchschnitt. Wir können sehen Aus dem obigen Beispiel, dass die gleitende durchschnittliche rote Linie den schwankenden Aktienkurs glättet. Ein Merkmal eines gleitenden Durchschnitts ist, dass es hinter der ursprünglichen Kurve zurückbleibt. Dies liegt daran, dass an jedem Datenpunkt ein Durchschnitt eines Satzes von vorherigen Datenpunkten benötigt wird Weitere Diskussionen darüber, wie sich die gegnerischen Mittelwerte in der Finanzierung nutzen, finden Sie unter Umzugsdurchschnitte. Das Ziel, einen gleitenden Durchschnitt zu nutzen, besteht darin, kurzfristige Schwankungen zu reduzieren und längerfristige Trends hervorzuheben. Es gibt verschiedene Arten Von gleitendem Durchschnitt und unterhalb werden wir uns anschauen, wie man die häufigsten Beispiele berechnet. Danach werden wir dann anschauen, wie wir diese Berechnungen in Web Intelligence implementieren können. Simple Moving Average. Ein einfaches Moving Average SMA, wie es der Name vorschlägt, ist die einfachste Bewegung Durchschnitt zu berechnen Für jeden Datenpunkt berechnen wir den Durchschnitt über eine feste Anzahl von vorangehenden Datenpunkten Die nachfolgende Tabelle zeigt eine solche Berechnung, bei der wir eine SMA von Periode 3 verwenden. Wenn wir die Periode unseres gleitenden Durchschnittsdatensatzes 3 sind, T berechnen die ersten beiden Datenpunkte Dann berechnen wir für jeden Datenpunkt den Durchschnitt über die letzten drei Datenpunkte einschließlich des aktuellen Datenpunktes. Bei der Berechnung unseres Durchschnittswertes wird der Summenwert der Summe addiert und der erste Wert fällt aus Berechnung zu. Wenn SMA vorher das Ergebnis ist, das wir vorher berechnet haben, ist N die Größe des gleitenden Durchschnittsdatensatzes, p1 ist der erste Wert in unserem Satz und pN ist der letzte Wert des Satzes Ein SMA ist, dass es alle bisherigen Datenpunkte im gleitenden Durchschnitt gleichermaßen 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. Gewichteter gleitender Durchschnitt WMA wendet Gewichte an die Datenpunkte in der gleitenden Durchschnittsmenge an, so dass neuere Datenpunkte mehr Bedeutung für das Gesamtergebnis 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 Haben einen gleitenden durchschnittlichen Datensatz von 6 Datenpunkten, 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 der Größe 6 es ist. So hier p6 ist unser aktueller Wert und wir multiplizieren dies mit 6, dann addieren wir dann 5 mal den vorherigen Wert, 4 mal den Wert vor dem und so weiter Wir teilen es dann durch 6 6 1 2 Dies ist die Berechnung für Eine dreieckige Zahl und Wikipedia h Als eine Erklärung dafür, wie dies abgeleitet wird. Die folgende Tabelle zeigt die Berechnung eines WMA der Periode 3 für denselben Datensatz, den wir im SMA-Beispiel oben verwendet haben. Exponentielles Moving Average. Ein exponentieller gleitender Durchschnitt EMA verwendet einen exponentiell abnehmenden Satz von Gewichten In der WMA über unsere Gewichte sank linear, eine exponentiell abnehmende Menge von Gewichten reduzieren sich schnell schnell und dann Schwänze aus Wenn wir einen Graphen dieser Gewichte produzieren würde es so etwas wie Abbildung 2 unten aussehen. Figur 2 Diagramm der abnehmenden exponentiellen Gewichte. Eine EMA Liefert mehr Gewicht auf die jüngsten Werte als ein WMA und es hat auch den weiteren Vorteil, dass es leichter berechnet wird. Um eine EMA zu berechnen, nehmen wir den vorherigen EMA-Wert und addieren den Unterschied zwischen dem aktuellen Datenpunktwert und dem vorherigen EMA multipliziert mit einem konstanten Alpha. Das Konstante Alpha repräsentiert die Skala der Gewichtung Abnahme und ist ein Wert zwischen 0 bis 1 Ändern dieser Wert ändert sich die Menge der Gesamtglättung, wo Werte in der Nähe Null anwenden ein hohes Maß an Glättung und Werte näher 1 produzieren weniger Die folgende Abbildung verwendet die gleichen Datenpunkte, aber zeigt eine EMA von Wert 0 7 und 0 an 1.Figur 3 zwei Diagramme zeigen die gleichen Quelldaten mit einem exponentiellen gleitenden Durchschnitt mit verschiedenen Werten von Alpha. 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, und für den zweiten Datenpunkt setzen wir den Wert gleich dem Wert Des 2. Datenpunktes. Die folgende Tabelle ist die Berechnung von EMA für unseren Beispieldatensatz mit einem Alpha-Wert von 0 4. Der vorhergehende Artikel untersuchte, welche gleitenden Durchschnitte sind und wie man sie berechnet. Dieser Artikel schaut jetzt, wie man implementiert Diese in Web Intelligence. Die Formel hier verwendet werden, sind kompatibel mit der XIr3-Version von SAP BOE aber einige Formel kann in früheren Versionen funktionieren, wenn vorhanden Wir beginnen mit Blick auf, wie man einen einfachen gleitenden Durchschnitt vor dem Betrachten von gewichteten und exponentiellen Formen zu berechnen. Bearbeitete Beispiele. Die folgenden Beispiele verwenden denselben 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 die Spalten des Eröffnungskurses, der höchste Preis am Tag , Niedrigster Preis, Schlusskurs, Volumen und angepasst Schlusskurs Wir werden den Schlusskurs in unserer Analyse unten zusammen mit dem Datum object. Simple Moving Average. There ist ein paar Möglichkeiten, mit denen wir berechnen können einfache gleitende Durchschnitte Eine Option ist zu verwenden Die vorherige Funktion, um den Wert einer vorherigen Zeile zu erhalten Beispielsweise berechnet die folgende Formel einen gleitenden Durchschnitt auf unserem Schlusskurs für einen gleitenden durchschnittlichen Datensatz von Größe 3.Dies ist eine ganz einfache Formel aber es ist offensichtlich, dass es nicht praktisch ist, wenn Wir haben eine große Anzahl von Perioden hier können wir Gebrauch von RunningSum Formel und für einen Datensatz von Größe N haben wir. Final haben wir eine 3. Technik. Was auch immer komplizierter kann es bessere Leistung haben, wie es die Berechnung der Neuer Wert auf der Grundlage des vorherigen Wertes anstatt zwei laufende Summen über den vollständigen Datensatz 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. Unterhalb ist die volle Formel Verwendet für unsere Aktienkursanalyse, wo unsere gleitende durchschnittliche Periode 15 Tage ist. Das Datum 1 25 2010 ist der 15. Datenpunkt in unserem Datensatz und so für diesen Punkt berechnen wir einen normalen Durchschnitt mit dem RunningSum Für alle Daten jenseits dieses Wertes verwenden wir Unsere SMA-Formel und wir hinterlassen leer alle Daten vor diesem Datum. Figur 1 unten ist ein Diagramm in Web Intelligence zeigt unsere Aktienkursdaten mit einem einfachen gleitenden Durchschnitt. Figure 1 Web Intelligence Dokument zeigt eine einfache Moving Average. Weighted Moving Average. A Gewichtete gleitende durchschnittliche Formel mit einer Periode von 3 ist. Mit unserer ersten einfachen gleitenden durchschnittlichen Formel oben ist dies nur praktisch für eine kleine Anzahl von Perioden. Ich habe noch nicht in der Lage, eine einfache Formel zu finden, die sein kann Verwendet für größere gleitende durchschnittliche Perioden Mathematisch ist es möglich, aber Einschränkungen mit Web Intelligence bedeutet, dass diese Formeln don t konvertieren Wenn jemand in der Lage ist, dies zu tun, würde ich gerne zu hören. Die Abbildung unten ist ein WMA von Periode 6 in Web Intelligence. Figure implementiert 2 Web Intelligence Dokument eines gewichteten Moving Average. Exponential Moving Average. Eine exponentielle gleitenden Durchschnitt ist ganz einfach zu implementieren in Web Intelligence und so ist eine geeignete Alternative zu einem gewichteten Moving Average Die Grundformel ist. Hier wir ve 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 unsere endgültige Formel für EMA is. Below Ist ein Beispiel für eine EMA angewendet auf unsere Bestandsdaten. Figure 3 Web Intelligence-Dokument zeigt eine exponentielle Moving Average. Input Controls. Sie unsere EMA Formel doesn t auf die Größe des Umzugs verlassen Durchschnittliche Periode 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 Alpha und definieren Sie es s Formel als. Update unsere EMA Formel to. Create eine neue Eingabe Steuern Sie die Auswahl unserer Alpha-Variablen als Eingabe-Control-Report-Objekt. Verwenden Sie einen einfachen Schieberegler und legen Sie die folgenden Eigenschaften. Once fertig, sollten Sie in der Lage sein, den Schieberegler zu bewegen und sofort sehen die Änderungen an der Trendlinie in der Grafik. Wir sah, wie zu Implementieren drei Arten von gleitenden Durchschnitt in Web Intelligence und obwohl alle möglich waren die Exponential Moving Average ist wahrscheinlich die einfachste und flexibelste. Ich hoffe, Sie fanden diesen Artikel interessant und wie immer jedes Feedback ist sehr willkommen. Post Navigation. Leave eine Antwort Abbrechen Antwort. Sie müssen eingeloggt sein, um einen Kommentar zu veröffentlichen. Der Trick zu Weighted Moving Average WMA ist, dass du eine Variable erstellen musst, die die Zählwerke von WMA repräsentiert. Siehe Wikipedia für die Referenz Dies sollte wie folgt aussehen G Vorhergehende Selbst n Schließen Vorheriges RunningSum Schließen Vorheriges RunningSum Schließen n 1 wobei n die Anzahl der Perioden ist. Dann wäre die tatsächliche WMA-Formel so ähnlich Numerator n n 1 2 wobei Numerator die zuvor erstellte Variable ist.