نسبة الحركة من المتوسط ، طريقة

النسبة إلى طريقة المتوسط ​​المتحرك صورة مصغرة للصفحة الأولى مقتطفات من الملف: برنامج تعليمي الرياضيات معدل الانتقال إلى المتوسط ​​المتوسط ​​يريد المحلل استخدام طريقة النسبة إلى التحرك المتوسط ​​للتنبؤ بمبيعات الشركة للأرباع القليلة المقبلة. بداية من الربع. يقوم المحلل بجمع بيانات المبيعات التالية (بملايين الدولارات). تقدير مؤشر الموسمية المرتبطة طول الطباعة: 4 باجيسليدس شراء مع باي بال 3.99 جوابك تحيط النص الخاص بك في مائل أو جريئة. لكتابة استخدام معادلة الرياضيات، على سبيل المثال، x22x10 أو beta2-10 سأل: منذ 3 سنوات الحصول على مساعدة الخبراء الحصول على واحد على مساعدة واحدة العمل مع المعلم الخاص 20 المعلمين على الانترنت وعلى استعداد لمساعدة هيلبا قبل بضعة أشهر كان لي وظيفة حول صدى صدى (انقر هنا لقراءة المشاركة). ركضت عبر قوة نسبية أخرى (أو الزخم إذا كنت تفضل) ورقة أن يختبر عامل آخر. في ورقة سونغ-تشان باركس، نسبة المتوسط ​​المتحرك والزخم، ينظر في النسبة بين المتوسط ​​المتحرك على المدى القصير والطويل الأجل من أجل ترتيب الأوراق المالية بالقوة. وهذا يختلف عن معظم الأدبيات الأكاديمية الأخرى. وتستخدم معظم الدراسات الأخرى عائدات بسيطة من نقطة إلى نقطة لترتيب الأوراق المالية. وقد استخدم الفنيون المتوسطات المتحركة لسنوات لتيسير حركة الأسعار. في معظم الأحيان نرى الناس باستخدام عبور المتوسط ​​المتحرك كإشارة للتداول. بارك يستخدم طريقة مختلفة لإشاراته. بدلا من النظر إلى الصلبان بسيطة، وقال انه يقارن نسبة من المتوسط ​​المتحرك واحد إلى آخر. الأسهم ذات المتوسط ​​المتحرك ل 50 يوم أعلى بكثير (أدناه) المتوسط ​​المتحرك لمدة 200 يوم سيكون له ترتيب مرتفع (منخفض). ستنتهي الأوراق المالية ذات المتوسط ​​المتحرك ل 50 يوم قريبة جدا من المتوسط ​​المتحرك ل 200 يوم في منتصف العبوة. في ورقة بارك هو جزء من المتوسط ​​المتحرك لمدة 200 يوم كمتوسط ​​متحرك على المدى الطويل، ويختبر مجموعة متنوعة من المتوسطات قصيرة الأجل تتراوح بين 1 إلى 50 يوما. وينبغي ألا يكون مفاجئا أن يعملوا جميعا في الواقع، فهم يميلون إلى العمل بشكل أفضل من العوامل البسيطة التي تستند إلى الأسعار. لم يكن ذلك مفاجأة كبيرة بالنسبة لنا، ولكن فقط لأننا قد تتبع عامل مماثل لعدة سنوات يستخدم اثنين من المتوسطات المتحركة. ما فاجأني دائما هو مدى نجاح هذا العامل بالمقارنة مع طرق الحساب الأخرى مع مرور الوقت. والعامل الذي كنا نتابعه هو متوسط ​​المتوسط ​​المتحرك لمتوسط ​​متحرك لمدة 65 يوما إلى المتوسط ​​المتحرك لمدة 150 يوما. ليس بالضبط نفس ما بارك اختبارها، ولكن مماثلة بما فيه الكفاية. أنا سحبت البيانات لدينا على هذا العامل لنرى كيف يقارن مع معيار 6- و 12 شهرا عوامل عودة السعر. لهذا الاختبار، يتم استخدام العشر الأعلى من الرتب. يتم تشكيل المحافظ الشهرية و ريبالانسدريكونستتوتد كل شهر. يتم تشغيل كل شيء على قاعدة البيانات الخاصة بنا، وهو الكون مشابهة جدا ل سب 500 سب 400. (اضغط للتكبير) تظهر بياناتنا نفس الشيء كما اختبارات الحدائق. استخدام نسبة المتوسطات المتحركة أفضل بكثير من مجرد استخدام العوامل السعرية والعودة البسيطة. وتظهر اختباراتنا معدل المتوسط ​​المتحرك مضيفا حوالي 200 نقطة أساس في السنة، وهو ما لا يميز صغير ومن المثير للاهتمام أيضا أن نلاحظ وصلنا إلى نفس الاستنتاج نفسه باستخدام معايير مختلفة للمتوسط ​​المتحرك، ومجموعة بيانات مختلفة تماما. انها تذهب فقط لإظهار مدى قوة مفهوم القوة النسبية. بالنسبة لأولئك القراء الذين قرأوا أوراقنا البيضاء (متوفرة هنا وهنا) قد تتساءل عن كيفية أداء هذا العامل باستخدام عملية اختبار مونت كارلو. إم لن نشر تلك النتائج في هذه الوظيفة، ولكن يمكنني أن أقول لكم هذا المتوسط ​​المتوسط ​​المتحرك هو باستمرار بالقرب من أعلى العوامل التي نتتبعها ولها دوران معقول جدا للعائدات التي يولدها. استخدام معدل المتوسط ​​المتحرك هو وسيلة جيدة جدا لترتيب الأوراق المالية لاستراتيجية القوة النسبية. وتظهر البيانات التاريخية أنها تعمل بشكل أفضل من عوامل عودة السعر البسيطة بمرور الوقت. بل هو أيضا عامل قوي جدا لأن تركيبات متعددة تعمل، وأنها تعمل على مجموعات بيانات متعددة. عينت هذا مدخل كان في يوم الخميس، 26 أغسطس، 2010 في 1:39 بيإم ويودع تحت بحوث القوة النسبية. يمكنك متابعة أي ردود على هذا الإدخال من خلال تغذية رسس 2.0. يمكنك ترك الرد. أو التتبع من موقعك. 9 ردود على معدل الحركة والانتقال الزخم بديل آخر متحرك على أساس المتوسط ​​لاستخدام الزخم من نقطة إلى نقطة يأخذ المتوسط ​​المتحرك للزخم 8230 على سبيل المثال، إذا تحققت من الزخم البسيط في الرتبة اليومية، فقد كان 8217s صاخبا جدا الحل الأساسي ، 8220don8217t تحقق يوميا، 8221 أي الاختيار الشهري أو الفصلي و ريرانك وإعادة التوازن الحيازات. ومع ذلك، يمكنك التحقق يوميا، وربما إعادة التوازن يوميا، مع أقل بكثير الضوضاء إذا، بدلا من استخدام 12 شهرا الزخم، يمكنك استخدام المتوسط ​​المتحرك لمدة 21 يوما من الزخم 252 يوما. هذا هو أيضا ما يعادل، بتو، إلى نسبة اليوم 8217s المتوسط ​​المتحرك ل 21 يوما إلى المتوسط ​​المتحرك ل 21 يوما. ميزة استخدام متوسط ​​الزخم هو أن لديك المزيد من الاستجابة للتغيرات في الزخم مما تفعله إذا كنت التحقق من الكون أونسمونث أو مرة واحدة. بالتأكيد هو أكثر قابلية للإدارة لاستخدام تقنية ما إذا كان لديك الكون أصغر لتطبيقه منذ أن استخدم مجموعة من صناديق الاستثمار المتداولة كما بلدي الكون، وأنها تعمل بشكل جيد بالنسبة لي. وبالنظر إلى أن كنت 8217re تعمل في عالم من 900 الأسهم والكشف عن حيازات في شكل صندوق، فإنه قد لا ينطبق عليك، ولكن اعتقدت أنك قد تجد أنه من المثير للاهتمام. هذا هو أيضا ما يعادل، راجع للشغل، إلى نسبة المتوسط ​​المتحرك اليوم 21 يوما إلى المتوسط ​​المتحرك لمدة 21 يوما من 252 يوما أغو 8211 تحرير. يقول جون لويس: نحن أيضا تتبع العوامل التي تأخذ المتوسط ​​المتحرك للحساب الزخم أو النتيجة. خدعة technicians8217 القديمة من استخدام ما لتسهيل الضوضاء يعمل على القوة النسبية تماما كما يفعل على سعر الخام. تردد إعادة التوازن غالبا ما يحدد أي نوع من نموذج يمكنك استخدامها. نحن ندير استراتيجيات لا يمكن إعادة توازنها إلا مرة واحدة في الربع، وعلينا أن نستخدم نماذج مختلفة لتلك التي نفعلها للاستراتيجيات التي ننظر إليها يوميا أو أسبوعيا. كلا الأسلوبين العمل إذا كنت تستخدم عامل مناسب، ونحن haven8217t وجدت أن زيادة تردد إعادة التوازن تلقائيا يزيد العائد. أحيانا يأخذ بعيدا عن العودة. ذلك يعتمد كليا على عامل وكيفية تنفيذها (على الأقل في تجربتي). مع الأكوان والمعلمات I8217ve اختباره على، لم أكن قد لاحظت ما أسميه 8220 تحسنا كبيرا 8221 التحسينات في العودة عند التحول من عمليات الخصم الشهرية لتقنيات المتوسط ​​المتحرك التي تسمح (على الأقل، على الأقل) عمليات الاسترداد اليومية. ما I8217ve لاحظ كان في معظمه ما I8217d استدعاء عوائد مكافئة في باكتست البيانات. وقد لاحظت بصفة خاصة أن متوسط ​​عدد التداولات المستديرة لا يزيد إلا قليلا على حد كبير مع إمكانية التغيير اليومية، أي أن هناك بعض النقاط غير المباشرة، ولكن هناك عدد قليل فقط. ما أنا شخصيا أحب حول إمكانات التغييرات اليومية، إذا افتراضيا واحدة من القضايا I8217m في حوادث وحروق، فإن تقنية ما الخروج بسرعة أكبر (واستبدالها بأمن آخر). من الواضح أن didn8217t يحدث بما فيه الكفاية على مدى باكتيستس لدفع فرق كبير في النتيجة، لكنه لا يوفر مرهم لطيف لنفسي. أفترض عندما تقاعد I8217m وتشغيل برنامجي من بعض الشاطئ في مكان ما، I8217ll تفضل إلا أن تحقق في شهريا، على الرغم من. أن 8217s في وقت لاحق. في الوقت الراهن في حين I8217m على الكمبيوتر يوميا على أي حال، قد تشغيل كذلك بلدي المسح بول بول مونتغمري يقول: 8220Im لن تنشر تلك النتائج في هذا المنصب، ولكن أستطيع أن أقول لكم هذا العامل المتوسط ​​المتحرك هو باستمرار بالقرب من الجزء العلوي من العوامل التي تتبع ولها دوران معقول جدا للعائدات أنه يولد 8221 آخر عظيم 8211 أحب أن أرى أكثر على هذا جون مثيرة للاهتمام آخر في الواقع 8211 لقد تم قراءة الكثير من الأوراق على هذا والبحث فعاليته 8230 الشيء الوحيد الذي لا أستطيع أن أفهم هو كيف يأتي صندوق مثل قر الذي يقترح شكل آخر من الزخم الاستثمار يفعل ذلك بشكل سيء للغاية. عوائدهم النظرية حوالي 13 في السنة ولكن الصندوق الفعلي لا يزال في ناقص. نتساءل عما إذا كان الاستثمار المباشر مع هذه الفكرة لك سوف تسفر عن نتائج قريبة من كميات اختبار 8230 يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا يشكل عرضا لبيع أو التماس لشراء أو توصية أو تأييد لأي أمن أو ولا يشكل عرضا لتقديم خدمات استشارية في مجال الاستثمار من جانب كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. يجب عليك التشاور مع أحد المتخصصين في الاستثمار قبل اتخاذ أي قرارات استثمارية. يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا لبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. يجب عليك التشاور مع أحد المتخصصين في الاستثمار قبل اتخاذ أي قرارات استثمارية. عظيم أن نسمع. و ألغو تبدو مؤثرة جدا الآن. هل تعتقد أنك تقدم مثالا قصيرا على ما تختبئ بقايا كنت تشير إلى الآن، I39d ترغب في اقتراح الوزن المستهدف لاستخدامها لكل أمن (على سبيل المثال في كل مرة سبي يحفز الظروف، وسوف تعقد 30 من محفظة) ولكن أنا والحصول على الشعور بأن you39d الحصول على نفس المشكلة كما كان من قبل. يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا لبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. يجب عليك استشارة المهنية في الاستثمار قبل اتخاذ أي قرارات الاستثمار. سفريدشيت تنفيذ التعديل الموسمي والتجانس الأسي فمن مباشرة لأداء التعديل الموسمية وتناسب نماذج التمهيد الأسي باستخدام إكسيل. يتم أخذ صور الشاشة والرسوم البيانية أدناه من جدول بيانات تم إعداده لتوضيح التعديل الموسمي الموسمي والتجانس الأسي الخطي على بيانات المبيعات الفصلية التالية من أوتبوارد مارين: للحصول على نسخة من ملف جدول البيانات نفسه، انقر هنا. نسخة من التجانس الأسي الخطي التي سيتم استخدامها هنا لأغراض مظاهرة هو Brown8217s الإصدار، لمجرد أنه يمكن تنفيذها مع عمود واحد من الصيغ وهناك واحد فقط ثابت تمهيد لتحسين. عادة فمن الأفضل استخدام الإصدار Holt8217s التي لديها ثوابت تمهيد منفصلة للمستوى والاتجاه. وتنتقل عملية التنبؤ على النحو التالي: '1' أولا تعدل البيانات موسميا '2'، ثم تنشأ التنبؤات للبيانات المعدلة موسميا عن طريق التمهيد الأسي الخطي؛ '3' وأخيرا، فإن التنبؤات المعدلة موسميا هي عبارة عن تنبؤات محسوبة موسميا للحصول على تنبؤات للمسلسل الأصلي . يتم إجراء عملية التعديل الموسمية في الأعمدة من D إلى G. الخطوة الأولى في التعديل الموسمية هي حساب المتوسط ​​المتحرك المركزة (يتم القيام به هنا في العمود D). ويمكن القيام بذلك عن طريق الأخذ بمتوسط ​​متوسطين على مدى سنة واحدة تقابلهما فترة واحدة بالنسبة لبعضهما البعض. (وهناك حاجة إلى مزيج من متوسطين للمقاصة بدلا من متوسط ​​واحد للأغراض المركزية عندما يكون عدد المواسم). والخطوة التالية هي حساب النسبة إلى المتوسط ​​المتحرك - أي. البيانات الأصلية مقسومة على المتوسط ​​المتحرك في كل فترة - والتي يتم تنفيذها هنا في العمود هاء (ويسمى هذا أيضا مكون كوتريند-سيكليكوت للنمط، بقدر ما يمكن اعتبار التأثيرات ودورات الأعمال على أنها كلها لا يزال بعد متوسطه على مدى سنوات كاملة من البيانات، وبطبيعة الحال، من شهر إلى آخر التغييرات التي لا تعود إلى الموسمية يمكن تحديدها من قبل العديد من العوامل الأخرى، ولكن متوسط ​​12 شهرا ينعم عليهم إلى حد كبير.) ذي يتم حساب المؤشر الموسمية المقدر لكل موسم من خلال متوسط ​​متوسط ​​جميع النسب لهذا الموسم المحدد، والذي يتم في الخلايا G3-G6 باستخدام صيغة أفيراجيف. ثم يتم تعديل النسب المتوسطة بحيث تصل إلى 100 مرة بالضبط عدد الفترات في الموسم، أو 400 في هذه الحالة، والذي يتم في الخلايا H3-H6. أسفل العمود F، يتم استخدام صيغ فلوكوب لإدراج قيمة الفهرس الموسمية المناسبة في كل صف من جداول البيانات، وفقا لربع السنة الذي يمثله. وينتهي المتوسط ​​المتحرك المركب والبيانات المعدلة موسميا على النحو التالي: لاحظ أن المتوسط ​​المتحرك يشبه عادة نسخة أكثر سلاسة من السلسلة المعدلة موسميا، وهو أقصر على كلا الطرفين. وتظهر ورقة عمل أخرى في نفس ملف إكسيل تطبيق نموذج تمهيد الأسي الخطي على البيانات المعدلة موسميا، بدءا من العمود G. وتدخل قيمة ثابت التمهيد (ألفا) فوق عمود التنبؤ (هنا في الخلية H9) و من أجل الراحة يتم تعيين اسم النطاق كوتAlpha. quot (يتم تعيين الاسم باستخدام الأمر كوتينسرتامريكاتيكوت). يتم تهيئة نموذج ليس عن طريق تعيين أول اثنين من التوقعات مساوية للقيمة الفعلية الأولى للسلسلة المعدلة موسميا. الصيغة المستخدمة هنا لتوقعات ليس هي النموذج المعادلة وحيد المعادلة من طراز Brown8217s: يتم إدخال هذه الصيغة في الخلية المقابلة للفترة الثالثة (هنا، الخلية H15) ونسخها من هناك. لاحظ أن توقعات ليس للفترة الحالية تشير إلى الملاحظات السابقة واثنين من أخطاء التنبؤ السابقة، فضلا عن قيمة ألفا. وهكذا، فإن صيغة التنبؤ الواردة في الصف 15 تشير فقط إلى البيانات التي كانت متاحة في الصف 14 وما قبله. (بطبيعة الحال، إذا أردنا استخدام تمهيد أسي بسيط بدلا من خطي أسي، يمكننا استبدال صيغة سيس هنا بدلا من ذلك، ويمكننا أيضا استخدام نموذج هولت 8217s بدلا من براون 8217s ليس، والذي يتطلب عمودين إضافيين من الصيغ لحساب المستوى والاتجاه التي تستخدم في التنبؤ.) وتحسب الأخطاء في العمود التالي (هنا، العمود J) بطرح التوقعات من القيم الفعلية. ويحسب خطأ متوسط ​​الجذر التربيعي باعتباره الجذر التربيعي للتباين في الأخطاء بالإضافة إلى مربع الوسط. (ويأتي ذلك من الهوية الرياضية: مس فاريانس (أخطاء) (أفيراج (أخطاء))). في حساب متوسط ​​وتفاوت الأخطاء في هذه الصيغة، يتم استبعاد الفترتين الأوليين لأن النموذج لا يبدأ فعلا التنبؤ حتى الفترة الثالثة (الصف 15 في جدول البيانات). يمكن العثور على القيمة المثلى ألفا إما عن طريق تغيير ألفا يدويا حتى يتم العثور على الحد الأدنى رمز، وإلا يمكنك استخدام كوتسولفيركوت لإجراء التقليل الدقيق. قيمة ألفا التي وجدت سولفر وجدت هنا (alpha0.471). وعادة ما تكون فكرة جيدة هي رسم أخطاء النموذج (في الوحدات المحولة)، وكذلك حساب ورسم مؤثراتهم الذاتية عند فترات تأخر تصل إلى موسم واحد. هنا هو مؤامرة سلسلة زمنية من الأخطاء (المعدلة موسميا): يتم حساب أوتوكوريلاتيونس خطأ باستخدام الدالة كوريل () لحساب الارتباطات من الأخطاء مع أنفسهم تأخرت بفترة واحدة أو أكثر - يتم عرض التفاصيل في نموذج جدول البيانات . هنا هو مؤامرة من أوتوكوريلاتيونس من الأخطاء في الفترات الخمسة الأولى: و أوتوكوريلاتيونس في الفترات من 1 إلى 3 قريبة جدا من الصفر، ولكن الارتفاع في تأخر 4 (الذي هو 0.35) هو مزعجة قليلا - فإنه يشير إلى أن عملية التعديل الموسمية لم تكن ناجحة تماما. ومع ذلك، فإنه في الواقع هامشية فقط. 95 لفحص ما إذا كانت أوتوكوريلاتيونس تختلف اختلافا كبيرا عن الصفر تقريبا زائدا أو ناقص 2SQRT (n-k)، حيث n هو حجم العينة و k هو الفارق الزمني. هنا n هو 38 و k يختلف من 1 إلى 5، وبالتالي فإن مربع الجذر من-ن-ناقص-ك حوالي 6 لجميع منهم، وبالتالي حدود لاختبار الأهمية الإحصائية للانحرافات من الصفر هي تقريبا زائد - أو ناقص 26، أو 0.33. إذا قمت بتغيير قيمة ألفا باليد في هذا النموذج إكسيل، يمكنك مراقبة تأثير على سلسلة زمنية ومؤامرات الارتباط الذاتي من الأخطاء، وكذلك على الخطأ الجذر متوسط ​​التربيع، والتي سيتم توضيحها أدناه. في الجزء السفلي من جدول البيانات، يتم إعداد صيغة التنبؤات في المستقبل عن طريق استبدال التنبؤات بالقيم الفعلية عند النقطة التي تنفد فيها البيانات الفعلية - أي. حيث تبدأ كوتوركوتلكوت. (وبعبارة أخرى، في كل خلية حيث تحدث قيمة بيانات مستقبلية، يتم إدراج مرجع الخلية الذي يشير إلى التوقعات التي تم إجراؤها لتلك الفترة.) يتم نسخ جميع الصيغ الأخرى ببساطة من أسفل: لاحظ أن أخطاء التنبؤات من يتم حساب كل المستقبل ليكون صفر. وهذا لا يعني أن الأخطاء الفعلية ستكون صفرا، بل إنها تعكس مجرد حقيقة أنه لأغراض التنبؤ، نفترض أن البيانات المستقبلية ستساوي التوقعات في المتوسط. وتظهر توقعات ليس على البيانات المعدلة موسميا على النحو التالي: مع هذه القيمة الخاصة ألفا، وهو الأمثل للتنبؤات قبل فترة واحدة، فإن الاتجاه المتوقع هو أعلى قليلا، مما يعكس الاتجاه المحلي الذي لوحظ على مدى العامين الماضيين أو هكذا. وبالنسبة لقيم ألفا الأخرى، يمكن الحصول على إسقاط اتجاه مختلف جدا. وعادة ما تكون فكرة جيدة لمعرفة ما يحدث لإسقاط الاتجاه على المدى الطويل عندما يكون ألفا متنوعا، لأن القيمة الأفضل للتنبؤ على المدى القصير لن تكون بالضرورة أفضل قيمة للتنبؤ بالمستقبل البعيد. على سبيل المثال، هنا هي النتيجة التي يتم الحصول عليها إذا تم تعيين قيمة ألفا يدويا إلى 0.25: الاتجاه المتوقع على المدى الطويل هو الآن سلبي بدلا من إيجابي مع قيمة أصغر من ألفا، نموذج يضع المزيد من الوزن على البيانات القديمة في وتقديره للمستوى الحالي واتجاهه الحالي، وتنبؤاته الطويلة الأجل تعكس الاتجاه التنازلي الذي لوحظ خلال السنوات الخمس الماضية بدلا من الاتجاه التصاعدي الأحدث. ويوضح هذا المخطط أيضا بوضوح كيف أن النموذج مع قيمة أصغر من ألفا أبطأ للرد على نقاط كوتورنينغكوت في البيانات وبالتالي يميل إلى جعل خطأ من نفس علامة لعدة فترات متتالية. وأخطاء التنبؤ المتوقعة من خطوة واحدة أكبر في المتوسط ​​من تلك التي تم الحصول عليها من قبل (رمز 34.4 بدلا من 27.4) وترتبط ارتباطا إيجابيا قويا. ويتجاوز الترابط الذاتي المتخلف 1،56 قيمة 0،33 المحسوبة أعلاه لانحراف ذي دلالة إحصائية عن الصفر. وكبديل لتخفيض قيمة ألفا من أجل إدخال مزيد من التحفظ في التنبؤات طويلة الأجل، يضاف أحيانا عامل التخميد المعتدل إلى النموذج من أجل جعل الاتجاه المتوقع يتسطح بعد بضع فترات. وتتمثل الخطوة الأخيرة في بناء نموذج التنبؤات في التنبؤ بالتنبؤات المتوقعة من خلال ضربها بالمؤشرات الموسمية المناسبة. ومن ثم فإن التنبؤات المعاد تشكيلها في العمود الأول هي ببساطة نتاج المؤشرات الموسمية في العمود F وتوقعات ليس الموضوعة موسميا في العمود ح. ومن السهل نسبيا حساب فترات الثقة للتنبؤات من خطوة واحدة إلى الأمام التي يقدمها هذا النموذج: أولا حساب رمز (الجذر المتوسط ​​مربع الخطأ، الذي هو مجرد الجذر التربيعي للمشاريع الصغيرة والمتوسطة) ومن ثم حساب فترة الثقة للتوقعات المعدلة موسميا عن طريق طرح وطرح مرتين من رمز. (عموما فاصل الثقة 95 للتنبؤ بفترة زمنية واحدة يساوي تقريبا نقطة التنبؤ زائد أو ناقص ضعف الانحراف المعياري المقدر لأخطاء التنبؤ، على افتراض أن توزيع الخطأ طبيعي تقريبا وحجم العينة هي كبيرة بما فيه الكفاية، ويقول 20 أو أكثر. هنا، رمز بدلا من العينة الانحراف المعياري للأخطاء هو أفضل تقدير للانحراف المعياري للأخطاء التوقعات المستقبلية لأنه يأخذ التحيز وكذلك عشوائية الاختلافات في الاعتبار.) حدود الثقة من أجل التنبؤ المعدل موسميا ثم ريساوناليزد. إلى جانب التوقعات، بضربها بالمؤشرات الموسمية المناسبة. وفي هذه الحالة، يساوي الرمز رمز 27.4 والتوقعات المعدلة موسميا للفترة المقبلة الأولى (ديسمبر / كانون الأول 93) هي 273.2. بحيث تكون فترة الثقة 95 المعدلة موسميا من 273.2-227.4 218.4 إلى 273.2227.4 328.0. مضاعفة هذه الحدود من قبل ديسمرس مؤشر موسمية من 68.61. نحصل على حدود أدنى وأعلى من الثقة 149.8 و 225.0 حول توقعات ديسمبر 93 نقطة من 187.4. ومن المتوقع أن تتسع حدود الثقة للتنبؤات بأكثر من فترة واحدة مع تزايد الأفق المتوقع بسبب عدم اليقين بشأن المستوى والاتجاه فضلا عن العوامل الموسمية، ولكن من الصعب حسابها عموما بطرق تحليلية. (الطريقة المناسبة لحساب حدود الثقة لتوقعات ليس هي باستخدام نظرية أريما، ولكن عدم اليقين في المؤشرات الموسمية هو مسألة أخرى). إذا كنت ترغب في فترة ثقة واقعية للتنبؤ أكثر من فترة واحدة المقبلة، واتخاذ جميع مصادر في الاعتبار، أفضل رهان هو استخدام طرق تجريبية: على سبيل المثال، للحصول على فترة ثقة لتوقعات من خطوتين إلى الأمام، يمكنك إنشاء عمود آخر في جدول البيانات لحساب توقعات خطوة بخطوة لكل فترة ( من خلال بوتسترابينغ توقعات خطوة واحدة إلى الأمام). ثم حساب رمز من أخطاء التنبؤ 2-خطوة إلى الأمام واستخدام هذا كأساس لفترة الثقة 2-خطوة إلى الأمام.