Cómo Calcular Las Ventas De Moving Average

Media móvil Este ejemplo le enseña cómo calcular el promedio móvil de una serie de tiempo en Excel. Una gran ventaja se utiliza para suavizar las irregularidades (picos y valles) para reconocer fácilmente las tendencias. 1. En primer lugar, echemos un vistazo a nuestra serie de tiempo. 2. En la ficha Datos, haga clic en Análisis de datos. Nota: no puede encontrar el botón Análisis de datos Haga clic aquí para cargar el complemento Herramientas de análisis. 3. Seleccione Media móvil y haga clic en Aceptar. 4. Haga clic en el cuadro Rango de entrada y seleccione el rango B2: M2. 5. Haga clic en el cuadro Interval y escriba 6. 6. Haga clic en el cuadro Rango de salida y seleccione la celda B3. 8. Trazar un gráfico de estos valores. Explicación: dado que establecemos el intervalo en 6, el promedio móvil es el promedio de los 5 puntos de datos anteriores y el punto de datos actual. Como resultado, los picos y valles se suavizan. El gráfico muestra una tendencia creciente. Excel no puede calcular el promedio móvil para los primeros 5 puntos de datos porque no hay suficientes puntos de datos anteriores. 9. Repita los pasos 2 a 8 para el intervalo 2 y el intervalo 4. Conclusión: Cuanto mayor sea el intervalo, más se suavizarán los picos y los valles. Cuanto más pequeño es el intervalo, más cerca están las medias móviles de los puntos de datos reales. Te gusta este sitio web gratis? Comparte esta página en Googlemoving media Promedio de datos de series temporales (observaciones igualmente espaciadas en el tiempo) de varios períodos consecutivos. Llamado en movimiento porque se recalcula continuamente a medida que se obtienen nuevos datos, progresa eliminando el valor más antiguo y agregando el valor más reciente. Por ejemplo, el promedio móvil de las ventas de seis meses se puede calcular tomando el promedio de las ventas de enero a junio, luego el promedio de las ventas de febrero a julio, luego de marzo a agosto, y así sucesivamente. Las medias móviles (1) reducen el efecto de las variaciones temporales en los datos, (2) mejoran el ajuste de los datos a una línea (un proceso llamado suavizado) para mostrar la tendencia de los datos más claramente, y (3) resaltan cualquier valor superior o inferior al tendencia. Si está calculando algo con una variación muy alta lo mejor que puede ser capaz de hacer es averiguar el promedio móvil. Quería saber cuál era el promedio móvil de los datos, así que tendría una mejor comprensión de cómo estábamos haciendo. Cuando usted está tratando de averiguar algunos números que cambian a menudo lo mejor que puede hacer es calcular el promedio móvil. Como un ejemplo de SMA, considere una garantía con los siguientes precios de cierre en 15 días: Semana 1 (5 días) 20, 22, 24, 25, 23 Semana 2 (5 días) 26, 28, 26, 29, 27 Semana 3 (5 días) 28, 30, 27, 29, 28 Un MA de 10 días promediaría los precios de cierre de los primeros 10 días como el primer punto de datos. El próximo punto de datos bajaría el precio más temprano, agregaría el precio el día 11 y tomaría el promedio, y así sucesivamente como se muestra a continuación. Como se mencionó anteriormente, las AMs se retrasan en la acción de los precios actuales porque se basan en precios pasados, mientras más largo sea el período de tiempo para la MA, mayor será el retraso. Por lo tanto, un MA de 200 días tendrá un grado mucho mayor de retraso que un MA de 20 días porque contiene precios durante los últimos 200 días. La longitud de la MA a utilizar depende de los objetivos de negociación, con MA más cortos utilizados para el comercio a corto plazo y más largo plazo MA más adecuado para los inversores a largo plazo. El MA de 200 días es ampliamente seguido por inversores y comerciantes, con rupturas por encima y por debajo de este promedio móvil considerado como señales comerciales importantes. Las MA también imparten señales comerciales importantes por sí solas, o cuando dos medias se cruzan. Un aumento MA indica que la seguridad está en una tendencia alcista. Mientras que un MA decreciente indica que está en una tendencia bajista. Del mismo modo, el impulso ascendente se confirma con un cruce alcista. Que se produce cuando una MA a corto plazo cruza por encima de un MA a más largo plazo. Promedios de Movimiento - Simple y Exponencial Promedios Móviles - Simple y Exponencial Introducción Los promedios móviles suavizan los datos de precios para formar un indicador de tendencia siguiente . No predicen la dirección del precio, sino que definen la dirección actual con un retraso. Los promedios móviles se retrasan porque están basados ​​en precios pasados. A pesar de este retraso, las medias móviles ayudan a suavizar la acción de los precios y filtran el ruido. También forman los bloques de construcción de muchos otros indicadores técnicos y superposiciones, como Bollinger Bands. MACD y el oscilador de McClellan. Los dos tipos más populares de promedios móviles son el promedio móvil simple (SMA) y el promedio móvil exponencial (EMA). Estos promedios móviles pueden usarse para identificar la dirección de la tendencia o definir niveles potenciales de soporte y resistencia. Aquí hay un gráfico con un SMA y un EMA en él: Cálculo del promedio móvil simple Un promedio móvil simple se forma computando el precio medio de un título sobre un número específico de períodos. La mayoría de las medias móviles se basan en los precios de cierre. Una media móvil simple de 5 días es la suma de cinco días de los precios de cierre dividida por cinco. Como su nombre lo indica, un promedio móvil es un promedio que se mueve. Los datos antiguos se eliminan a medida que vienen disponibles nuevos datos. Esto hace que el promedio se mueva a lo largo de la escala de tiempo. A continuación se muestra un ejemplo de un promedio móvil de 5 días que evoluciona en tres días. El primer día de la media móvil simplemente cubre los últimos cinco días. El segundo día de la media móvil desciende el primer punto de datos (11) y añade el nuevo punto de datos (16). El tercer día de la media móvil continúa cayendo el primer punto de datos (12) y añadiendo el nuevo punto de datos (17). En el ejemplo anterior, los precios aumentan gradualmente de 11 a 17 en un total de siete días. Observe que la media móvil también sube de 13 a 15 durante un período de cálculo de tres días. También observe que cada valor promedio móvil es justo debajo del último precio. Por ejemplo, el promedio móvil para el primer día es igual a 13 y el último precio es 15. Los precios de los cuatro días anteriores fueron más bajos y esto hace que el promedio móvil se retrasa. Cálculo del promedio móvil exponencial Los promedios móviles exponenciales reducen el retraso aplicando más peso a los precios recientes. La ponderación aplicada al precio más reciente depende del número de periodos de la media móvil. Hay tres pasos para calcular una media móvil exponencial. En primer lugar, calcular el promedio móvil simple. Un promedio móvil exponencial (EMA) tiene que comenzar en alguna parte así que una media móvil simple se utiliza como EMA anterior del período anterior en el primer cálculo. Segundo, calcule el multiplicador de ponderación. En tercer lugar, calcular la media móvil exponencial. La siguiente fórmula es para un EMA de 10 días. Una media móvil exponencial de 10 períodos aplica una ponderación de 18.18 al precio más reciente. Un EMA de 10 periodos también puede ser llamado un EMA 18.18. Una EMA de 20 periodos aplica una ponderación de 9.52 al precio más reciente (2 / (201) .0952). Observe que la ponderación para el período de tiempo más corto es más que la ponderación para el período de tiempo más largo. De hecho, la ponderación disminuye a la mitad cada vez que el período de media móvil se duplica. Si desea un porcentaje específico para un EMA, puede usar esta fórmula para convertirlo en períodos de tiempo y luego ingresar ese valor como el parámetro EMA039s: A continuación se muestra un ejemplo de hoja de cálculo de una media móvil simple de 10 días y un valor de 10- Promedio móvil exponencial para Intel. Los promedios móviles simples son directos y requieren poca explicación. El promedio de 10 días se mueve simplemente mientras que nuevos precios están disponibles y los viejos precios caen apagado. El promedio móvil exponencial comienza con el valor de la media móvil simple (22,22) en el primer cálculo. Después del primer cálculo, la fórmula normal se hace cargo. Debido a que un EMA comienza con un promedio móvil simple, su verdadero valor no se realizará hasta 20 o más períodos más tarde. En otras palabras, el valor de la hoja de cálculo Excel puede diferir del valor del gráfico debido al corto período de revisión. Esta hoja de cálculo sólo se remonta a 30 períodos, lo que significa que el efecto de la media móvil simple ha tenido 20 períodos para disipar. StockCharts se remonta al menos 250 períodos (por lo general mucho más) para sus cálculos de modo que los efectos de la media móvil simple en el primer cálculo se han disipado completamente. El factor de Lag Cuanto más largo es el promedio móvil, más el retraso. Una media móvil exponencial de 10 días abrazará los precios de cerca y se convertirá poco después de que los precios giren. Los promedios móviles cortos son como los veleros, ágiles y rápidos de cambiar. Por el contrario, una media móvil de 100 días contiene muchos datos pasados ​​que lo ralentizan. Los promedios móviles más largos son como los petroleros oceánicos - letárgicos y lentos para cambiar. Se necesita un movimiento de precios más grande y más largo para una media móvil de 100 días para cambiar el rumbo. La tabla de arriba muestra el SampP 500 ETF con una EMA de 10 días siguiendo de cerca los precios y una molienda SMA de 100 días más alta. Incluso con la disminución de enero-febrero, la SMA de 100 días mantuvo el curso y no rechazó. La SMA de 50 días se sitúa entre los promedios móviles de 10 y 100 días cuando se trata del factor de retraso. Simples versus promedios móviles exponenciales Aunque hay claras diferencias entre promedios móviles simples y promedios móviles exponenciales, uno no es necesariamente mejor que el otro. Los promedios móviles exponenciales tienen menos retraso y, por lo tanto, son más sensibles a los precios recientes y las recientes variaciones de precios. Los promedios móviles exponenciales se convertirán antes de promedios móviles simples. Los promedios móviles simples, por otro lado, representan un verdadero promedio de precios para todo el período de tiempo. Como tales, los promedios móviles simples pueden ser más adecuados para identificar niveles de soporte o resistencia. La preferencia media móvil depende de los objetivos, el estilo analítico y el horizonte temporal. Los cartistas deben experimentar con ambos tipos de promedios móviles, así como diferentes plazos para encontrar el mejor ajuste. La siguiente tabla muestra IBM con la SMA de 50 días en rojo y la EMA de 50 días en verde. Ambos culminaron a finales de enero, pero la disminución en la EMA fue más nítida que la disminución de la SMA. La EMA apareció a mediados de febrero, pero la SMA continuó baja hasta finales de marzo. Tenga en cuenta que la SMA apareció más de un mes después de la EMA. Longitudes y plazos La longitud del promedio móvil depende de los objetivos analíticos. Promedios cortos móviles (5-20 períodos) son los más adecuados para las tendencias a corto plazo y el comercio. Los cartistas interesados ​​en las tendencias a mediano plazo optarían por promedios móviles más largos que podrían extenderse de 20 a 60 períodos. Los inversores a largo plazo preferirán las medias móviles con 100 o más períodos. Algunas longitudes móviles son más populares que otras. El promedio móvil de 200 días es quizás el más popular. Debido a su longitud, esto es claramente una media móvil a largo plazo. A continuación, el promedio móvil de 50 días es muy popular para la tendencia a mediano plazo. Muchos cartistas utilizan los promedios móviles de 50 días y 200 días juntos. A corto plazo, una media móvil de 10 días fue bastante popular en el pasado porque era fácil de calcular. Uno simplemente agregó los números y movió el punto decimal. Identificación de tendencias Las mismas señales pueden generarse utilizando promedios móviles simples o exponenciales. Como se mencionó anteriormente, la preferencia depende de cada individuo. Estos ejemplos a continuación utilizarán promedios móviles simples y exponenciales. El término media móvil se aplica tanto a promedios móviles simples como exponenciales. La dirección de la media móvil transmite información importante sobre los precios. Una media móvil en ascenso muestra que los precios están aumentando. Una media móvil decreciente indica que los precios, en promedio, están cayendo. El aumento de la media móvil a largo plazo refleja una tendencia alcista a largo plazo. Una caída del promedio móvil a largo plazo refleja una tendencia a la baja a largo plazo. El gráfico anterior muestra 3M (MMM) con una media móvil exponencial de 150 días. Este ejemplo muestra cuán bien funcionan las medias móviles cuando la tendencia es fuerte. La EMA de 150 días rechazó en noviembre de 2007 y otra vez en enero de 2008. Observe que tomó una declinación 15 para invertir la dirección de esta media móvil. Estos indicadores rezagados identifican reversiones de tendencias a medida que ocurren (en el mejor de los casos) o después de que ocurren (en el peor). MMM continuó más bajo en marzo de 2009 y luego subió 40-50. Observe que la EMA de 150 días no apareció hasta después de este aumento. Una vez que lo hizo, sin embargo, MMM continuó más alto en los próximos 12 meses. Los promedios móviles trabajan brillantemente en fuertes tendencias. Crossovers dobles Dos medias móviles se pueden usar juntas para generar señales de cruce. En Análisis Técnico de los Mercados Financieros. John Murphy llama a esto el método de crossover doble. Los crossovers dobles implican una media móvil relativamente corta y una media móvil relativamente larga. Como con todas las medias móviles, la longitud general de la media móvil define el marco de tiempo para el sistema. Un sistema que utilice un EMA de 5 días y un EMA de 35 días se consideraría a corto plazo. Un sistema que utilizara un SMA de 50 días y un SMA de 200 días se consideraría de mediano plazo, tal vez incluso a largo plazo. Un cruce alcista ocurre cuando el promedio móvil más corto cruza por encima del promedio móvil más largo. Esto también se conoce como una cruz de oro. Un crossover bajista ocurre cuando el promedio móvil más corto cruza debajo de la media móvil más larga. Esto se conoce como una cruz muerta. Los cruces de media móvil producen señales relativamente tardías. Después de todo, el sistema emplea dos indicadores retardados. Cuanto más largo sea el promedio móvil, mayor será el desfase en las señales. Estas señales funcionan muy bien cuando una buena tendencia se apodera. Sin embargo, un sistema de crossover de media móvil producirá muchos whipsaws en ausencia de una fuerte tendencia. También hay un método triple crossover que implica tres promedios móviles. De nuevo, se genera una señal cuando la media móvil más corta cruza las dos medias móviles más largas. Un simple sistema de crossover triple puede implicar promedios móviles de 5 días, 10 días y 20 días. La tabla anterior muestra Home Depot (HD) con una EMA de 10 días (línea punteada verde) y EMA de 50 días (línea roja). La línea negra es el cierre diario. El uso de un crossover promedio móvil habría dado lugar a tres whipsaws antes de coger un buen comercio. La EMA de 10 días se rompió por debajo de la EMA de 50 días a finales de octubre (1), pero esto no duró mucho ya que los 10 días retrocedieron a mediados de noviembre (2). Esta cruz duró más tiempo, pero el siguiente cruce bajista en enero (3) ocurrió cerca de finales de noviembre los niveles de precios, dando lugar a otro whipsaw. Esta cruz bajista no duró mucho ya que la EMA de 10 días retrocedió por encima de los 50 días unos días después (4). Después de tres malas señales, la cuarta señal prefiguró un movimiento fuerte mientras que la acción avanzó sobre 20. Hay dos takeaways aquí. Primero, los crossovers son propensos al whipsaw. Se puede aplicar un filtro de precio o tiempo para ayudar a prevenir las sierras. Los operadores pueden requerir que el crossover dure 3 días antes de actuar o requiera que la EMA de 10 días se mueva por encima / por debajo del EMA de 50 días por una cierta cantidad antes de actuar. En segundo lugar, MACD se puede utilizar para identificar y cuantificar estos crossovers. MACD (10, 50, 1) mostrará una línea que representa la diferencia entre las dos medias móviles exponenciales. MACD se vuelve positivo durante una cruz de oro y negativo durante una cruz muerta. El oscilador de precio porcentual (PPO) se puede utilizar de la misma manera para mostrar diferencias porcentuales. Tenga en cuenta que MACD y el PPO se basan en promedios móviles exponenciales y no coincidirá con los promedios móviles simples. Este gráfico muestra Oracle (ORCL) con EMA de 50 días, EMA de 200 días y MACD (50.200,1). Hubo cuatro crossovers de media móvil durante un período de 2 1/2 años. Los tres primeros resultaron en whipsaws o malos oficios. Una tendencia sostenida comenzó con el cuarto crossover como ORCL avanzó a mediados de los 20s. Una vez más, los crossovers medios móviles funcionan muy bien cuando la tendencia es fuerte, pero producen pérdidas en ausencia de una tendencia. Crossovers de precios Los promedios móviles también pueden usarse para generar señales con crossovers de precios simples. Una señal alcista se genera cuando los precios se mueven por encima de la media móvil. Se genera una señal bajista cuando los precios se mueven por debajo de la media móvil. Los crossovers de precios se pueden combinar para comerciar dentro de la tendencia más grande. La media móvil más larga establece el tono para la tendencia más grande y la media móvil más corta se utiliza para generar las señales. Uno buscaría cruces de precios alcistas sólo cuando los precios ya están por encima de la media móvil más larga. Esto estaría negociando en armonía con la tendencia más grande. Por ejemplo, si el precio está por encima de la media móvil de 200 días, los cartistas sólo se centrarán en las señales cuando el precio se mueve por encima de la media móvil de 50 días. Obviamente, un movimiento por debajo de la media móvil de 50 días sería precedente de tal señal, pero tales cruces bajistas serían ignorados porque la tendencia más grande ha subido. Una cruz bajista simplemente sugeriría un retroceso dentro de una mayor tendencia alcista. Un retroceso por encima de la media móvil de 50 días señalaría una subida de los precios y la continuación de la mayor tendencia alcista. El siguiente gráfico muestra Emerson Electric (EMR) con la EMA de 50 días y EMA de 200 días. La acción se movió por encima y se mantuvo por encima de la media móvil de 200 días en agosto. Hubo bajadas por debajo de los 50 días EMA a principios de noviembre y de nuevo a principios de febrero. Los precios se movieron rápidamente por encima de la EMA de 50 días para proporcionar señales alcistas (flechas verdes) en armonía con la mayor tendencia alcista. MACD (1,50,1) se muestra en la ventana del indicador para confirmar los cruces de precios por encima o por debajo de la EMA de 50 días. El EMA de 1 día es igual al precio de cierre. El MACD (1,50,1) es positivo cuando el cierre está por encima del EMA de 50 días y negativo cuando el cierre está por debajo del EMA de 50 días. Soporte y Resistencia Los promedios móviles también pueden actuar como soporte en una tendencia alcista y resistencia en una tendencia bajista. Una tendencia alcista a corto plazo podría encontrar apoyo cerca de la media móvil simple de 20 días, que también se utiliza en bandas de Bollinger. Una tendencia alcista a largo plazo podría encontrar apoyo cerca del promedio móvil de 200 días, que es el promedio móvil más popular a largo plazo. De hecho, el promedio móvil de 200 días puede ofrecer soporte o resistencia simplemente porque es tan ampliamente utilizado. Es casi como una profecía autocumplida. El gráfico de arriba muestra el NY Composite con el promedio móvil simple de 200 días desde mediados de 2004 hasta finales de 2008. Los 200 días de apoyo brindado numerosas veces durante el avance. Una vez que la tendencia se invirtió con una ruptura de apoyo superior doble, el promedio móvil de 200 días actuó como resistencia alrededor de 9500. No espere soporte exacto y niveles de resistencia de promedios móviles, especialmente medias móviles más largas. Los mercados son impulsados ​​por la emoción, lo que los hace propensos a los rebasamientos. En lugar de los niveles exactos, las medias móviles se pueden utilizar para identificar las zonas de apoyo o resistencia. Conclusiones Las ventajas de utilizar promedios móviles deben sopesarse contra las desventajas. Los promedios móviles son tendencia que sigue, o rezagada, los indicadores que serán siempre un paso detrás. Esto no es necesariamente una cosa mala. Después de todo, la tendencia es su amigo y es mejor el comercio en la dirección de la tendencia. Medias móviles aseguran que un comerciante está en línea con la tendencia actual. A pesar de que la tendencia es su amigo, los valores pasan una gran cantidad de tiempo en rangos comerciales, lo que hace que los promedios móviles sean ineficaces. Una vez en una tendencia, los promedios móviles le mantendrá en, pero también dar señales tardías. Don039t esperan vender en la parte superior y comprar en la parte inferior utilizando promedios móviles. Al igual que con la mayoría de las herramientas de análisis técnico, las medias móviles no deben usarse por sí solas, sino en conjunto con otras herramientas complementarias. Los cartistas pueden usar promedios móviles para definir la tendencia general y luego usar RSI para definir los niveles de sobrecompra o sobreventa. Adición de promedios móviles a los gráficos de StockCharts Los promedios móviles están disponibles como una función de superposición de precios en el workbench de SharpCharts. Usando el menú desplegable Overlays, los usuarios pueden elegir un promedio móvil simple o un promedio móvil exponencial. El primer parámetro se utiliza para establecer el número de períodos de tiempo. Se puede agregar un parámetro opcional para especificar el campo de precio que se debe utilizar en los cálculos: O para el Abierto, H para el Alto, L para el Bajo y C para el Cierre. Una coma se utiliza para separar los parámetros. Se puede agregar otro parámetro opcional para cambiar las medias móviles a la izquierda (pasado) oa la derecha (futuro). Un número negativo (-10) cambiaría la media móvil a la izquierda 10 períodos. Un número positivo (10) cambiaría la media móvil a los 10 periodos correctos. Múltiples promedios móviles pueden superponerse a la gráfica de precios simplemente agregando otra línea de superposición al workbench. Los miembros de StockCharts pueden cambiar los colores y el estilo para diferenciar entre varios promedios móviles. Después de seleccionar un indicador, abra Opciones avanzadas haciendo clic en el pequeño triángulo verde. Las Opciones avanzadas también se pueden usar para agregar una superposición de promedio móvil a otros indicadores técnicos como RSI, CCI y Volumen. Haga clic aquí para un gráfico en vivo con varios promedios móviles diferentes. Usando los promedios móviles con las exploraciones de StockCharts Aquí hay algunas exploraciones de la muestra que los miembros de StockCharts pueden utilizar para explorar diversas situaciones del promedio móvil: Movimiento alcista de la media cruzada: Esta exploraciones busca las poblaciones con una media móvil simple de 150 días y una cruz alcista de los 5 EMA y EMA de 35 días. La media móvil de 150 días está subiendo, siempre y cuando se está negociando por encima de su nivel hace cinco días. Una cruz alcista ocurre cuando la EMA de 5 días se mueve por encima de la EMA de 35 días sobre un volumen por encima del promedio. Media bajista media móvil: Esta escanea busca acciones con una media móvil simple descendente de 150 días y una cruz bajista de la EMA de 5 días y de la EMA de 35 días. La media móvil de 150 días está cayendo, siempre y cuando se esté negociando por debajo de su nivel hace cinco días. Una cruz bajista ocurre cuando la EMA de 5 días se mueve por debajo de la EMA de 35 días sobre un volumen por encima del promedio. Estudio adicional El libro de John Murphy tiene un capítulo dedicado a los promedios móviles ya sus diversos usos. Murphy cubre los pros y los contras de los promedios móviles. Además, Murphy muestra cómo los promedios móviles trabajan con Bollinger Bands y los sistemas comerciales basados ​​en canales. Análisis Técnico de los Mercados Financieros John MurphyTrended Promedios Moviles Siempre he sido un firme creyente de que los promedios móviles probablemente dan una mejor visión de las tendencias dentro de un negocio que una línea de tendencia simple asociada a un conjunto de valores como las ventas mensuales (aunque tienden a revisar Estos dos valores juntos). La razón de esto es que una tendencia puede ser sesgada por uno o dos valores que pueden no ser representativos de la empresa subyacente, tales como picos asociados a la estacionalidad o un evento específico. Cuando BillD destacó una consulta sobre este concepto en sus comentarios sobre Profit amp Loss (Parte 2) Compare and Analyze. Pensé que sería una gran idea flexionar nuestro dataset de PampL para proporcionar una cierta capacidad del promedio móvil. En este post, explicaré qué promedios móviles se pretende ofrecer y explicar cómo calcularlos usando los elementos de ventas de los datos de ejemplo utilizados en la serie Período de pérdida de beneficios. A continuación, agregaré la flexibilidad para que los usuarios seleccionen el tiempo que debe considerar el cálculo del promedio móvil, el número de períodos de tendencia que se mostrarán y la fecha de finalización del informe. Qué es una media móvil La medida media móvil más común se refiere generalmente como una media móvil de 12 meses. En el caso de nuestros datos de ventas, para un período determinado, esta medida sumaría los últimos 12 meses de ventas anteriores e inclu - yendo el mes analizado y luego se dividiría por 12 para mostrar un valor promedio de ventas para ese período. En términos financieros, la ecuación es, por tanto, muy sencilla: 12 meses de media móvil suma de las ventas de los últimos 12 meses / 12 Esto todo parece muy sencillo, pero hay una gran complejidad si queremos poner el promedio móvil (representado como 12 En el ejemplo anterior) en las manos del usuario, darles el poder de seleccionar el número de períodos de tendencia a mostrar y el mes que el informe debe mostrar hasta. El conjunto de datos El conjunto de datos que se utiliza parece algo como a continuación. Nota Im usando PowerPivot V1. Visor de diseño está disponible en V2, pero Ive hash esto juntos nada inteligente Usted notará que FACTTran (nuestro conjunto de datos para ser analizado) está vinculado a DIMHeading1, DIMHeading2 y DIMDataType para proporcionar una cierta categorización a nuestro conjunto de datos. Ive también vinculado a las fechas que es un conjunto secuencial de fechas que más que cubre el tiempo de nuestro conjunto de datos. Esta tabla lleva una cierta información adicional estática basada en la fecha: Una vez más, no era absolutamente el registrar en la escala picante de Robs. Le aseguran que usted estará consiguiendo un entrenamiento más intenso de DAX mientras que continuamos. Como estas medidas de fecha no se esperan sean dinámicas, las he codificado en la ventana de PowerPivot. Esto permite que se calculen en la actualización de archivos, pero no será necesario volver a calcular para cada operación de corte que elimina la sobrecarga de rendimiento de nuestra medida dinámica final. Por razones que Ill vienen a más tarde, también necesito la fecha de fin de mes en mi tabla de hechos como no puedo usar la fecha de fin de mes en mi tabla de fechas en mis medidas. Puedo sin embargo tirar el mismo valor a través de mi tabla de FACTTran usando la medida siguiente: Tan qué son estas mesas desvinculadas del mA La razón de estas tablas debe hacer evidente como continuamos. En resumen, theyre va a ser utilizado como parámetros o encabezados en nuestro informe. La razón por la que existen y que theyre no vinculados con el resto de nuestros datos es simplemente porque no quiero que sean filtrados por nuestras medidas. En su lugar, quiero que conduzcan el filtrado. Configuración de tabla dinámica inicial Voy a mostrar una serie de datos organizados en columnas mensuales. Al usuario se le darán rebanadoras para fijar la fecha de finalización del mes (el último período que se mostrará en el informe), el número de períodos para la media móvil (que en última instancia será parte de nuestro cálculo de divisor) y el número de períodos para la tendencia El número de columnas mensuales que mostraremos en nuestra tendencia). Podemos establecer estas rebanadoras de inmediato y vincularlas con el pivote. Obviamente, necesito una fecha de fin de mes como un encabezado de columna, pero que hasta cierto punto Ive dado esto lejos antes. En resumen, necesito usar mi campo MADatesMonthEndDate. La razón es que este campo no está vinculado a nuestro conjunto de datos y por lo tanto no se verá afectado por otros filtros. Si utilizo un campo de fecha que es parte de mi conjunto de datos o parte de una tabla vinculada, los valores disponibles pueden ser filtrados por las selecciones de los usuarios. Puedo conseguir alrededor de esto usando una expresión de ALL () para darme los valores correctos, pero el problema es que la columna todavía se filtra y mis resultados todos se exhibirán en una columna. Es difícil de explicar hasta que lo veas así que por favor sigue adelante y prueba su valor golpear la pared de ladrillo para realmente entender Calculando la suma de las ventas de los últimos X Meses La primera parte de nuestra ecuación es calcular el valor total de las ventas en todos los períodos dentro Un periodo de tiempo dinámico para ser seleccionado por el usuario. Para esto utilizo una función de cálculo que se parece a esto: Im usando una medida base llamada CascadeValueAll que se creó en Profit amp Loss El arte del subtotal en cascada. Im entonces filtrar esa medida para limitar mi conjunto de datos a los registros que se refieren a las ventas y un tipo de datos de reales (es decir, eliminar el presupuesto). Esto es un simple filtrado de una función CALCULATE. Sin embargo, se vuelve un poco más sabroso con el tercer filtro que limita el conjunto de datos a una serie de fechas que dependen de las selecciones de usuarios en cortadoras y nuestro encabezado de columna de fecha. La función DATESBETWEEN tiene la sintaxis DATESBETWEEN (fechas, fecha de inicio, fecha de finalización) y funciona de esta manera: Configure el campo que requiere el filtrado (DatesData). He encontrado que esto funciona mejor si se trata de una tabla vinculada de fechas secuenciales sin interrupciones. Si tiene alguna pausa, hay una posibilidad de que no obtenga una respuesta, ya que la respuesta que usted evalúa debe estar disponible en la tabla. Mi fecha de inicio es una función DATEADD que calcula la fecha del encabezado de la columna menos el número de meses que el usuario ha seleccionado en la rebanadora del número medio de periodos móviles. Utilizo la función LASTDATE (VALUES (MADatesNextMonthStartDate)) para recuperar el valor NextMonthStartDate de la tabla MADates que se relaciona con la fecha representada en el encabezado de columna. A continuación, rebobinar por el número de meses seleccionados en la rebanadora utilizando MAX (MAFunctionPeriodsMovingAverageNoPeriods) -1. El -1 se usa para retroceder en el tiempo. La razón por la que uso NextMonthStartDate y un múltiplo de 1 se explica más claramente en Slicers para seleccionar últimos períodos X. Mi fecha de finalización es simplemente el MonthEndDate como se muestra en el encabezado de columna del informe. Esto se calcula usando LASTDATE (VALUES (MADatesMonthEndDate).Esto es genial, pero mi medida no está teniendo ninguna cuenta de mi período de exposición hasta la selección y la tendencia número de períodos que he seleccionado. Por lo tanto, debemos limitar la medida para ejecutar sólo cuando ciertos Los parámetros se mantienen como verdaderos basados ​​en estas selecciones Sólo quiero que los valores se muestren cuando la fecha de mi encabezado de columna es: Menor o igual que la Fecha de fin de mes seleccionada en mi Mostrar Períodos Hasta Seccionador Y Mayor o igual que el Mes de fin seleccionado Fecha MENOS el número seleccionado de períodos en mi rebanadora de Trend No of Periods. Para ello, utilizo una instrucción IF para determinar cuándo debe ejecutarse mi función CALCULATE. Leva a llamar a esta medida SalesMovingAverageTotalValue La sentencia IF funciona de la siguiente manera: Primero necesito determinar Que estoy evaluando sólo donde tengo un valor para MADateMonthEndDate. Si no lo hago, consigo que el viejo error favorito en mi evaluación posterior que dice que una tabla de valores múltiples se proporcionó a continuación, evaluar para determinar si mi columna título fecha (VALUES (MADatesMonthEndDate) es menor o igual que la fecha seleccionada en la rebanadora de fin de mes (LASTDATE (datesDateMonthEnd) Y (ampamp) La fecha de mi encabezado de columna es mayor o igual a una fecha calculada que es X períodos anteriores a los períodos seleccionados Up To como se selecciona en el Slicer. Utilizo una función DATEADD para esta similar a la utilizada en mi función CALCULATE excepto que estaba ajustando la fecha por el valor seleccionado en la rebanadora Trend No of Periods. Con esto en su lugar, tenemos las ventas totales para el período seleccionado relacionadas con las selecciones de los usuarios. Así que mi tabla está ahora limitada al número de períodos de tendencia seleccionados y representa la fecha de finalización del mes seleccionada. Así que ahora solo dividimos por Moving Average No de Períodos Derecha eh NO Hemos calculado nuestras ventas totales para el período en relación con las selecciones de los usuarios. Se le perdonaría por sugerir que simplemente dividimos por el número de periodos de media móvil seleccionados. Dependiendo de sus datos, podría hacerlo, pero el problema es que el conjunto de datos no puede contener el número seleccionado de períodos, especialmente si el usuario puede seleccionar una fecha de fin de mes que se remonta en el tiempo. Como resultado, tenemos que averiguar cómo pueden estar presentes períodos en nuestra medida SalesMovingAverageTotalValue. Esta medida es esencialmente la misma que mi medida SalesMovingAverageTotal. La única diferencia real es que contamos los valores de fecha distintos en nuestro conjunto de datos en lugar de llamar a la medida CascadeValueAll. He mencionado anteriormente que había una razón por la que necesitaba la fecha de fin de mes que se celebrará en mi mesa de FACTTran y esta es la razón. Si utilizo cualquier otra tabla que contenga la fecha de finalización del mes, esa tabla no se habrá filtrado en la forma en que se ha filtrado el conjunto de datos principal. Por ejemplo, mi tabla de fechas tiene una serie de fechas que abarca mi marco de tiempo de dataset y más. Como resultado, la evaluación con respecto a esta tabla deducirá que la tabla sí tiene fechas que preceden a mi conjunto de datos y, por lo tanto, no hay evaluación de si existe una transacción en el conjunto de datos para esa fecha. Como puede ver, ya que mi conjunto de datos se ejecuta a partir del 1 de julio de 2009, sólo tengo 9 períodos de datos para evaluar para mi 31/03/2010 columna. Si me hubiera dividido por 12 (como por mi Selección de Moving Average No de Períodos de selección), tendría una respuesta muy equivocada. Obviamente, esto es un poco artificial, pero es digno de consideración. Y ahora el simple bit Puedo entender que las dos últimas medidas han tomado un poco de absorción, especialmente trabajando cuando los campos de fecha particular debe ser utilizado. Para algunos alivio de luz, la medida siguiente no le impondrá impuestos Esta es una división simple con un poco de error de verificación para evitar cualquier nasties. Cuando todas estas medidas son portátiles, puedo crear otra tabla dinámica en la misma base que la anterior (con SalesMovingAverageValue dado un alias de media móvil), mover algunas cosas, agregar una medida para las ventas reales Valor para el mes (no voy a entrar en eso ahora, pero es una medida simple CALCULATE con un poco de inteligencia de tiempo) y luego reconfigurar para que parezca lo siguiente: Puedo entonces conducir un gráfico de línea simple y aplicar una línea de tendencia a mi medida real Con el gráfico convenientemente ocultando mi cuadrícula de datos que lo conduce. Como puede ver, una tendencia en mi medida real muestra una disminución constante. Sin embargo, mi Promedio móvil muestra una tendencia relativamente estable, aunque no ligeramente mejorada. Por lo tanto, la estacionalidad de algunos otros picos está, por lo tanto, involucrada y la realidad es que ambas medidas probablemente necesitan ser revisadas lado a lado. Para aquellos de ustedes que lean esto que estén interesados ​​en ver el libro de este ejemplo, voy a publicar esto en un post futuro cuando tomo este análisis un paso más para cubrir toda la PampL. Siento hacerte esperar. Espero que esto le ayude a salir BillD Un punto más a la nota Los águila ojos DAX profesionales por ahí probablemente han notado que mis funciones IF sólo contienen un cálculo para evaluar cuando la prueba lógica llega a una respuesta verdadera. La razón es que la función asume BLANK () cuando no se proporciona una condición de evaluación falsa. No he resuelto si theres cualquier impacto de rendimiento utilizando este método en grandes conjuntos de datos. Su hasta usted qué usted eligió hacer y si cualquier persona puede convencerme porqué codificar la condición falsa como BLANCO () es la mejor práctica, cambiaré rápidamente mis hábitos Este poste tiene 6 comentarios Renato Lyke dice: