Durchschnittliche Prognoserechnung

Gleitender Durchschnitt Vorhersage Einleitung. Wie Sie vermutlich schauen, betrachten wir einige der primitivsten Ansätze zur Prognose. Aber hoffentlich sind diese zumindest eine lohnende Einführung in einige der Rechenprobleme im Zusammenhang mit der Umsetzung von Prognosen in Tabellenkalkulationen. In diesem Sinne werden wir von Anfang an beginnen und beginnen mit Moving Average Prognosen zu arbeiten. Gleitende durchschnittliche Prognosen. Jeder ist vertraut mit gleitenden durchschnittlichen Prognosen, unabhängig davon, ob sie glauben, sie sind. Alle Studenten tun sie die ganze Zeit. Denken Sie an Ihre Testergebnisse in einem Kurs, in dem Sie vier Tests während des Semesters haben werden. Angenommen, Sie haben eine 85 auf Ihrem ersten Test. Was würden Sie vorhersagen, für Ihre zweite Test-Score Was glauben Sie, Ihr Lehrer würde für Ihre nächste Test-Punkt vorhersagen Was denken Sie, Ihre Freunde könnten für Ihre nächste Test-Punkt vorherzusagen Was denken Sie, Ihre Eltern könnten für Ihre nächste Test-Score Unabhängig davon vorhersagen Alle die blabbing Sie tun könnten, um Ihre Freunde und Eltern, sie und Ihr Lehrer sind sehr wahrscheinlich zu erwarten, dass Sie etwas im Bereich der 85 erhalten Sie gerade bekommen. Nun, jetzt gehen wir davon aus, dass trotz Ihrer Selbst-Förderung an Ihre Freunde, Sie über-schätzen Sie sich und Figur, die Sie weniger für den zweiten Test lernen können und so erhalten Sie eine 73. Nun, was sind alle betroffenen und unbekümmerten gehen Erwarten Sie erhalten auf Ihrem dritten Test Es gibt zwei sehr wahrscheinlich Ansätze, damit sie eine Schätzung unabhängig davon entwickeln, ob sie es mit Ihnen teilen. Sie können zu sich selbst sagen, dieser Kerl ist immer bläst Rauch über seine smarts. Hes gehend, ein anderes 73 zu erhalten, wenn hes glücklich. Vielleicht werden die Eltern versuchen, mehr unterstützend und sagen, quotWell, so weit youve bekommen eine 85 und eine 73, so vielleicht sollten Sie auf eine über (85 73) 2 79. Ich weiß nicht, vielleicht, wenn Sie weniger feiern Und werent wedelte das Wiesel ganz über dem Platz und wenn Sie anfingen, viel mehr zu studieren, konnten Sie einen höheren score. quot erhalten. Beide dieser Schätzungen sind wirklich gleitende durchschnittliche Prognosen. Der erste verwendet nur Ihre jüngste Punktzahl, um Ihre zukünftige Leistung zu prognostizieren. Dies wird als gleitende Durchschnittsprognose mit einer Datenperiode bezeichnet. Die zweite ist auch eine gleitende durchschnittliche Prognose, aber mit zwei Perioden von Daten. Nehmen wir an, dass alle diese Leute, die auf deinem großen Verstand zerschmettern, Art von dich angepisst haben und du entscheidest, auf dem dritten Test aus deinen eigenen Gründen gut zu tun und eine höhere Kerbe vor deinen quotalliesquot zu setzen. Sie nehmen den Test und Ihre Gäste ist eigentlich ein 89 Jeder, einschließlich selbst, ist beeindruckt. So jetzt haben Sie die abschließende Prüfung des Semesters herauf und wie üblich spüren Sie die Notwendigkeit, alle in die Vorhersagen zu machen, wie youll auf dem letzten Test tun. Nun, hoffentlich sehen Sie das Muster. Nun, hoffentlich können Sie das Muster sehen. Was glauben Sie, ist die genaueste Pfeife, während wir arbeiten. Nun kehren wir zu unserer neuen Reinigungsfirma zurück, die von Ihrer entfremdeten Halbschwester namens Whistle While We Work begonnen wurde. Sie haben einige vergangene Verkaufsdaten, die durch den folgenden Abschnitt aus einer Kalkulationstabelle dargestellt werden. Zuerst präsentieren wir die Daten für eine dreidimensionale gleitende Durchschnittsprognose. Der Eintrag für Zelle C6 sollte jetzt sein Sie können diese Zellformel auf die anderen Zellen C7 bis C11 kopieren. Beachten Sie, wie der Durchschnitt bewegt sich über die jüngsten historischen Daten, sondern verwendet genau die drei letzten Perioden zur Verfügung für jede Vorhersage. Sie sollten auch bemerken, dass wir nicht wirklich brauchen, um die Vorhersagen für die vergangenen Perioden zu machen, um unsere jüngste Vorhersage zu entwickeln. Dies ist definitiv anders als das exponentielle Glättungsmodell. Ive eingeschlossen das quotpast predictionsquot, weil wir sie auf der folgenden Webseite verwenden, um Vorhersagegültigkeit zu messen. Nun möchte ich die analogen Ergebnisse für eine zwei-Periode gleitenden Durchschnitt Prognose zu präsentieren. Der Eintrag für Zelle C5 sollte jetzt sein Sie können diese Zellformel auf die anderen Zellen C6 bis C11 kopieren. Beachten Sie, wie jetzt nur die beiden letzten Stücke der historischen Daten für jede Vorhersage verwendet werden. Wieder habe ich die quotpast Vorhersagequot für illustrative Zwecke und für die spätere Verwendung in der Prognose Validierung enthalten. Einige andere Dinge, die wichtig zu beachten sind. Für eine m-Periode gleitende Durchschnittsprognose werden nur die m neuesten Datenwerte verwendet, um die Vorhersage durchzuführen. Nichts anderes ist notwendig. Für eine m-Periode gleitende durchschnittliche Prognose, wenn Sie Quotpast Vorhersagequot, beachten Sie, dass die erste Vorhersage tritt im Zeitraum m 1 auf. Diese beiden Fragen werden sehr wichtig sein, wenn wir unseren Code entwickeln. Entwicklung der Moving Average Funktion. Nun müssen wir den Code für die gleitende Durchschnittsprognose entwickeln, die flexibler genutzt werden kann. Der Code folgt. Beachten Sie, dass die Eingaben für die Anzahl der Perioden sind, die Sie in der Prognose und dem Array von historischen Werten verwenden möchten. Sie können es in beliebiger Arbeitsmappe speichern. Funktion MovingAverage (Historical, NumberOfPeriods) als einzelne Deklarations - und Initialisierungsvariablen Dim Item als Variant Dim Zähler als Integer Dim Summe als Single Dim HistoricalSize als Integer Initialisierung von Variablen Zähler 1 Akkumulation 0 Festlegung der Größe des Historical Arrays HistoricalSize Historical. Count For Counter 1 bis NumberOfPeriods Summieren der entsprechenden Anzahl der zuletzt beobachteten Werte Accumulation Accumulation Historical (HistoricalSize - NumberOfPeriods Counter) MovingAverage Accumulation NumberOfPeriods Der Code wird in der Klasse erklärt. Sie möchten die Funktion in der Tabellenkalkulation positionieren, so dass das Ergebnis der Berechnung dort erscheint, wo es wie folgt aussehen soll. Prognoseberechnungsbeispiele A.1 Prognoseberechnungsmethoden Es stehen zwölf Berechnungsmethoden zur Verfügung. Die meisten dieser Methoden bieten eine eingeschränkte Benutzerkontrolle. Beispielsweise könnte das Gewicht, das auf die jüngsten historischen Daten oder den Datumsbereich der in den Berechnungen verwendeten historischen Daten gesetzt wurde, spezifiziert werden. Die folgenden Beispiele zeigen das Berechnungsverfahren für jede der verfügbaren Prognosemethoden bei einem identischen Satz von historischen Daten. Die folgenden Beispiele verwenden dieselben Verkaufsdaten für 2004 und 2005, um eine Verkaufsprognose von 2006 zu erstellen. Zusätzlich zur Prognoserechnung enthält jedes Beispiel eine simulierte Prognose von 2005 für eine dreimonatige Halteperiode (Verarbeitungsoption 19 3), die dann für Prozentsätze der Genauigkeit und der mittleren Absolutabweichung (tatsächlicher Umsatz gegenüber simulierter Prognose) verwendet wird. A.2 Kriterien für die Bewertung der Prognoseleistung Abhängig von der Auswahl der Verarbeitungsoptionen und den in den Verkaufsdaten vorhandenen Trends und Mustern werden einige Prognosemethoden für einen gegebenen historischen Datensatz besser abschneiden als andere. Eine für ein Produkt geeignete Prognosemethode ist möglicherweise nicht für ein anderes Produkt geeignet. Es ist auch unwahrscheinlich, dass eine Prognosemethode, die in einem Stadium des Produktlebenszyklus gute Ergebnisse liefert, über den gesamten Lebenszyklus hinweg angemessen bleibt. Sie können zwischen zwei Methoden wählen, um die aktuelle Leistung der Prognosemethoden zu bewerten. Diese sind mittlere absolute Abweichung (MAD) und Prozent der Genauigkeit (POA). Beide dieser Leistungsbewertungsverfahren erfordern historische Verkaufsdaten für einen vom Benutzer angegebenen Zeitraum. Dieser Zeitraum wird als Halteperiode oder Perioden am besten geeignet (PBF) bezeichnet. Die Daten in diesem Zeitraum dienen als Grundlage für die Empfehlung, welche der Prognosemethoden für die nächste Prognoseprojektion verwendet werden sollen. Diese Empfehlung ist spezifisch für jedes Produkt und kann von einer Prognosegeneration zur nächsten wechseln. Die beiden prognostizierten Methoden der Leistungsbewertung werden in den Seiten nach den Beispielen der zwölf Prognosemethoden vorgestellt. A.3 Methode 1 - Festgelegter Prozentsatz über Letztes Jahr Diese Methode multipliziert Verkaufsdaten des Vorjahres mit einem vom Benutzer spezifizierten Faktor, zum Beispiel 1,10 für eine 10-Erhöhung oder 0,97 für eine 3-Abnahme. Erforderliche Verkaufsgeschichte: Ein Jahr für die Berechnung der Prognose plus die benutzerdefinierte Anzahl von Zeiträumen für die Bewertung der Prognoseperformance (Verarbeitungsoption 19). A.4.1 Prognoserechnung Berechnung des Umsatzverlaufs für die Berechnung des Wachstumsfaktors (Verarbeitungsoption 2a) 3 in diesem Beispiel. Summe den letzten drei Monaten des Jahres 2005: 114 119 137 370 Summe die gleichen drei Monate für das Vorjahr: 123 139 133 395 Der berechnete Faktor 370.395 0,9367 Berechnen Sie die Prognosen: Januar 2005 Umsatz 128 0,9367 119,8036 oder etwa 120 Februar 2005 Umsatz 117 0,9367 109,5939 oder etwa 110 März 2005 Umsatz 115 0,9367 107,7205 oder etwa 108 A.4.2 Simulierte Prognose Berechnung Summe die drei Monate des Jahres 2005 vor Periode holdout (Juli, August, September): 129 140 131 400 Summe die gleichen drei Monate für die Vorjahr: 141 128 118 387 der berechnete Faktor 400.387 1,033591731 berechnen simulierte Prognose: Oktober 2004 Umsatz 123 1,033591731 127,13178 November 2004 Umsatz 139 1,033591731 143,66925 Dezember 2004 Umsatz 133 1,033591731 137,4677 A.4.3 Prozent der Genauigkeit Berechnung POA (127,13178 143,66925 137,4677) (114 119 137) 100 370 100 408,26873 110,3429 A.4.4 Mittlere MAD absolute Abweichung Berechnung (127,13178-114 143,66925-119 137.4677- 137) 3 (13,13178 24,66925 0,4677) 3 12,75624 A.5 Methode 3 - Im vergangenen Jahr zu diesem Jahr Diese Methode Kopiert die Verkaufsdaten des Vorjahres auf das nächste Jahr. Erforderliche Verkaufsgeschichte: Ein Jahr für die Berechnung der Prognose plus die Anzahl der für die Bewertung der Prognoseperformance angegebenen Zeiträume (Verarbeitungsoption 19). A.6.1 Prognoseberechnung Anzahl der Perioden, die in den Durchschnitt einzubeziehen sind (Verarbeitungsoption 4a) 3 in diesem Beispiel Für jeden Monat der Prognose durchschnittlich die letzten drei Monate Daten. Januar Prognose: 114 119 137 370, 370 3 123.333 oder 123. Februar Prognose: 119 137 123 379, 379 3 126.333 oder 126 März Prognose: 137 123 126 379, 386 3 128.667 oder 129 A.6.2 Simulierte Prognose Berechnung Oktober 2005 Umsatz (129 140 131 114 3 128,333 Dezember 2005 Umsatz (131 114 119) 3 121,333 A.6,3 Prozent der Genauigkeitsberechnung (133,333 128,333 121,333) (114 119 137) 100 103,513 A.6.4 Mittelwert Absolut Abweichungsberechnung MAD (133.3333 - 114 128.3333 - 119 121.3333 - 137) 3 14.7777 A.7 Methode 5 - Lineare Approximation Lineare Approximation berechnet einen Trend basierend auf zwei Verkaufsverlaufsdatenpunkten. Diese beiden Punkte definieren eine gerade Linie, die in die Zukunft projiziert wird. Verwenden Sie diese Methode mit Vorsicht, da Langstreckenvorhersagen durch kleine Änderungen an nur zwei Datenpunkten genutzt werden. Erforderliche Verkaufsgeschichte: Anzahl der in die Regression einzubeziehenden Perioden (Verarbeitungsoption 5a) plus 1 plus Anzahl der Zeiträume für die Bewertung der Prognoseperformance (Verarbeitungsoption 19). A.8.1 Prognose Berechnung für jeden Monat der Prognose Anzahl der Perioden in Regression (Verarbeitungsoption 6a) in diesem Beispiel 3 enthalten, fügen Sie die Zunahme oder Abnahme während der angegebenen Zeiträume vor Periode holdout der Vorperiode. Durchschnitt der vorangegangenen drei Monate (114 119 137) 3 123.3333 Zusammenfassung der letzten drei Monate mit betrachtetem Gewicht (114 1) (119 2) (137 3) 763 Differenz zwischen den Werten 763 - 123.3333 (1 2 3) 23 Verhältnis ( (1 n) Wert1 Wert2 4 11,5 100,333 146,333 oder 146 Prognose 5 11,5 100,333 157,8333 oder 158 Prognose 6 11,5 100,333 169,333. Vorhersage (1 n) Wert1 Wert2 4 11,5 100,333 146,333 oder 146 Vorhersage 5 11,5 100,333 157,8333 oder 158 Vorhersage 6 11,5 100,333 169,333 Oder 169 A.8.2 Simulierte Prognoseberechnung Oktober 2004 Umsatz: Durchschnitt der vorangegangenen drei Monate (129 140 131) 3 133.3333 Zusammenfassung der letzten drei Monate mit betrachtetem Gewicht (129 1) (140 2) (131 3) 802 Differenz zwischen den (1 2 3) 2 Verhältnis (12 22 32) - 2 3 14 - 12 2 Wert1 DifferenzRatio 22 1 Wert2 Durchschnitt - Wert1 Verhältnis 133,333 - 1 2 131,333 Vorhersage (1 n) Wert1 Wert2 4 1 131,333 135,333 November 2004 Umsatz Durchschnitt der vorangegangenen drei Monate (140 131 114) 3 128,333 Zusammenfassung der letzten drei Monate mit Bezugsgewicht (140 1) (131 2) (114 3) 744 Differenz zwischen den Werten 744 - 128.3333 (1 2 3) -25.9999 Wert1 DifferenzRatio -25.99992 -12.9999 Wert2 Durchschnitt - Wert1 Verhältnis 128.3333 - (-12.9999) 2 154.3333 Prognose 4 -12.9999 154.3333 102.3333 Dezember 2004 Umsatz Durchschnitt der letzten drei Monate (131 114 119) 3 121.3333 Zusammenfassung der letzten drei Monate mit Gewichtung (119 3) 716 Differenz zwischen den Werten 716 - 121,3333 (1 2 3) -11,9999 Wert1 DifferenzRatio -11,99992 -5,9999 Wert2 Mittelwert-Wert1 Verhältnis 121,3333 - (-5,9999) 2 133,333 Prognose 4 (- (135,33 - 114 102,33 - 119 109,33 - 137) 3 21,88 A.9 Verfahren 7. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, - Second Degree Approximation Die lineare Regression ermittelt Werte für a und b in der Prognoseformel Y a bX mit dem Ziel, eine Gerade an die Verkaufsgeschichtsdaten anzupassen. Zweite Grad Approximation ist ähnlich. Dieses Verfahren ermittelt jedoch Werte für a, b und c in der Prognoseformel Y a bX cX2 mit dem Ziel, eine Kurve an die Verkaufsverlaufsdaten anzupassen. Dieses Verfahren kann nützlich sein, wenn sich ein Produkt im Übergang zwischen den Stufen eines Lebenszyklus befindet. Wenn sich beispielsweise ein neues Produkt von der Einführung in die Wachstumsstadien bewegt, kann sich die Umsatzentwicklung beschleunigen. Wegen des Termes der zweiten Ordnung kann die Prognose schnell an die Unendlichkeit heranreichen oder auf Null fallen (abhängig davon, ob der Koeffizient c positiv oder negativ ist). Daher ist dieses Verfahren nur kurzfristig nutzbar. Prognosedaten: Die Formeln finden a, b und c, um eine Kurve auf genau drei Punkte zu platzieren. Sie geben n in der Verarbeitungsoption 7a an, die Anzahl der Zeitperioden der Daten, die sich in jedem der drei Punkte ansammeln. In diesem Beispiel n 3. Daher werden die tatsächlichen Verkaufsdaten für April bis Juni in den ersten Punkt Q1 zusammengefasst. Juli bis September werden addiert, um Q2 zu schaffen, und Oktober bis Dezember Summe zu Q3. Die Kurve wird an die drei Werte Q1, Q2 und Q3 angepasst. Erforderliche Verkaufsgeschichte: 3 n Perioden für die Berechnung der Prognose plus die Anzahl der Zeiträume, die für die Bewertung der Prognoseperformance (PBF) erforderlich sind. Anzahl der einzubeziehenden Perioden (Verarbeitungsoption 7a) 3 in diesem Beispiel Die vorherigen (3 n) Monate in dreimonatigen Blöcken verwenden: Q1 (Apr - Jun) 125 122 137 384 Q2 (Jul - Sep) 129 140 131 400 Q3 Der nächste Schritt besteht darin, die drei Koeffizienten a, b und c zu berechnen, die in der Prognoseformel Y a bX cX2 (1) Q1 a bX cX2 (mit X 1) abc (2) Q2 verwendet werden (1) aus Gleichung (2) subtrahieren Sie die Gleichung (1) aus der Gleichung (1) aus der Gleichung (2) (3) (3) Q3 a 3 (Q2 - Q1) - 3c c Setzen Sie diese Gleichungen für a und b in die Gleichung (3) ein Gleichung (1) Q3 - 3 (Q2 - Q1) (q2 - Q1) - 3c c Q1 c (Q3 - Q2) (Q1 - Q2) 2 Das Zweite-Grad-Approximationsverfahren berechnet a, b und c wie folgt: a Q3 - 3 (Q2 - Q1) 370 - 3 (400 - 384) 322 c (Q3 - Q2) (Q1 - Q2) 2 (370 - 400) 400 - 384) - (3 -23) 85 Y a bX cX2 322 85X (-23) X2 Januar bis März Prognose (X4): (322 340 - 368) 3 2943 98 pro Zeitraum April bis Juni Prognose (X5): 322 425 - 575) 3 57.333 oder 57 pro Zeitraum Juli bis September Prognose (X6): (322 510 - 828) 3 1,33 oder 1 pro Zeitraum Oktober bis Dezember (X7) (322 595 - 11273 -70 A.9.2 Simulierte Prognoseberechnung Oktober, November und Dezember 2004 Umsatz: Q1 (Jan - März) 360 Q2 (Apr - Jun) 384 Q3 (Jul - Sep) 400 a 400 - 3 (384 - 360) 328 c (400 - 384) (360 - 384) ) 2 -4 b (384 - 360) - 3 (-4) 36 328 36 4 (-4) 163 136 A.9.3 Prozent der Genauigkeitsberechnung POA (136 136 136) (114 119 137) 100 110,27 A.9.4 Mean Absolute Abweichungsberechnung MAD (136 - 114 136 - 119 136 - 137) 3 13.33 A.10 Methode 8 - Flexible Methode Die flexible Methode (Prozentsatz über n Monate vor) ähnelt der Methode 1, Prozent über dem letzten Jahr. Beide Verfahren multiplizieren Verkaufsdaten aus einer vorherigen Zeitspanne mit einem vom Benutzer spezifizierten Faktor und projizieren dieses Ergebnis dann in die Zukunft. In der Percent Over Last Year Methode basiert die Projektion auf Daten aus dem gleichen Zeitraum des Vorjahres. Das Flexible-Verfahren fügt die Möglichkeit hinzu, einen Zeitraum anzugeben, der nicht derselbe Zeitraum ist, der als Basis für die Berechnungen verwendet werden kann. Multiplikationsfaktor. Geben Sie z. B. 1.15 in der Verarbeitungsoption 8b an, um die vorherigen Verkaufsverlaufsdaten um 15. Basisperiode zu erhöhen. Zum Beispiel führt n 3 dazu, dass die erste Prognose im Oktober 2005 auf Verkaufsdaten basiert. Minimale Umsatzhistorie: Die vom Benutzer angegebene Anzahl von Perioden zurück zur Basisperiode plus die Anzahl der Zeitperioden, die für die Bewertung der Prognoseperformance erforderlich sind ( PBF). A.10.4 Mittlere Absolutabweichung MAD (148 - 114 161 - 119 151 - 137) 3 30 A.11 Methode 9 - Gewichteter gleitender Durchschnitt Die Methode des gewichteten gleitenden Durchschnitts (WMA) ist ähnlich wie bei Methode 4, Gleitender Durchschnitt (MA). Mit dem Weighted Moving Average können Sie jedoch den historischen Daten ungleiche Gewichte zuordnen. Die Methode berechnet einen gewichteten Durchschnitt der letzten Verkäufe Geschichte, um zu einer Projektion für die kurzfristige kommen. Neuere Daten sind in der Regel ein größeres Gewicht als ältere Daten zugeordnet, so dass dies WMA mehr reagiert auf Verschiebungen in der Ebene des Umsatzes. Prognosevorhersage und systematische Fehler treten jedoch immer noch auf, wenn die Produktverkäufe Geschichte starke Trend - oder saisonale Muster aufweisen. Diese Methode funktioniert besser für Kurzstreckenvorhersagen von reifen Produkten als für Produkte in den Wachstums - oder Veralterungsstadien des Lebenszyklus. N die Anzahl der Perioden der Verkaufsgeschichte, die in der Prognoserechnung verwendet werden sollen. Geben Sie z. B. n 3 in der Verarbeitungsoption 9a an, um die letzten drei Perioden als Grundlage für die Projektion in die nächste Zeitperiode zu verwenden. Ein großer Wert für n (wie 12) erfordert mehr Umsatz Geschichte. Es resultiert in einer stabilen Prognose, aber es wird nur langsam sein, Veränderungen im Umsatzniveau zu erkennen. Andererseits reagiert ein kleiner Wert für n (wie z. B. 3) schneller auf Verschiebungen des Umsatzniveaus, doch kann die Prognose so weit schwanken, dass die Produktion nicht auf die Variationen reagieren kann. Das Gewicht, das jeder der historischen Datenperioden zugewiesen ist. Die zugeordneten Gewichte müssen insgesamt 1,00 betragen. Zum Beispiel, wenn n 3, Gewichte von 0,6, 0,3 und 0,1 zuweisen, wobei die neuesten Daten das größte Gewicht empfangen. Mindestens erforderlicher Umsatzverlauf: n plus Anzahl der Zeiträume, die für die Bewertung der Prognoseperformance (PBF) erforderlich sind. MAD (133,5 - 114 121,7 - 119 118,7 - 137) 3 13,5 A.12 Methode 10 - Lineare Glättung Diese Methode ähnelt Methode 9, Weighted Moving Average (WMA). Jedoch wird anstelle der willkürlichen Zuweisung von Gewichten zu den historischen Daten eine Formel verwendet, um Gewichtungen zuzuweisen, die linear abnehmen und auf 1,00 summieren. Das Verfahren berechnet dann einen gewichteten Durchschnitt der letzten Verkaufsgeschichte, um zu einer Projektion für die kurze Zeit zu gelangen. Wie bei allen linearen gleitenden durchschnittlichen Prognosemethoden treten Prognosevorhersage und systematische Fehler auf, wenn die Produktverkaufsgeschichte starke Trend - oder saisonale Muster aufweist. Diese Methode funktioniert besser für Kurzstreckenvorhersagen von reifen Produkten als für Produkte in den Wachstums - oder Veralterungsstadien des Lebenszyklus. N die Anzahl der Perioden der Verkaufsgeschichte, die in der Prognoserechnung verwendet werden sollen. Dies ist in der Verarbeitungsoption 10a spezifiziert. Geben Sie beispielsweise n 3 in der Verarbeitungsoption 10b an, um die letzten drei Perioden als Grundlage für die Projektion in die nächste Zeitperiode zu verwenden. Das System vergibt automatisch die Gewichte der historischen Daten, die linear sinken und auf 1,00 sinken. Wenn beispielsweise n & sub3; wird das System Gewichte von 0,5, 0,3333 und 0,1 zuweisen, wobei die jüngsten Daten das größte Gewicht empfangen. Mindestens erforderlicher Umsatzverlauf: n plus Anzahl der Zeiträume, die für die Bewertung der Prognoseperformance (PBF) erforderlich sind. A.12.1 Prognoseberechnung Anzahl der Perioden, die in den Glättungsdurchschnitt einzubeziehen sind (Verarbeitungsoption 10a) 3 in diesem Beispiel Verhältnis für eine Periode vorher 3 (n2 n) 2 3 (32 3) 2 36 0.5 Verhältnis für zwei Perioden vor 2 (n2 n ) 2 2 (32 3) 2 26 0,333 .. Verhältnis für drei Perioden vorher 1 (n2 n) 2 1 (32 3) 2 16 0,1666 .. Januar Prognose: 137 0,5 119 13 114 16 127,16 oder 127 Februar Prognose: 127 0,5 137 13 119 16 129 März-Prognose: 129 0,5 127 13 137 16 129,666 oder 130 A.12.2 Simulierte Prognoseberechnung Oktober 2004 Umsatz 129 16 140 26 131 36 133,6666 November 2004 Umsatz 140 16 131 26 114 36 124 Dezember 2004 Umsatz 131 16 114 26 119 36 119,333 A.12.3 Prozentsatz der Genauigkeitsberechnung POA (133,6666 124 119,333) (114 119 137) 100 101,891 A.12.4 Mittlere Absolutabweichung MAD (133,6666 - 114 124 - 119 119,333 - 137) 3 14,1111 A.13 Methode 11 - Exponentielle Glättung Diese Methode ist ähnlich wie Methode 10, Lineare Glättung. In der Linearglättung vergibt das System Gewichte an die historischen Daten, die linear abnehmen. Bei exponentieller Glättung weist das System Gewichte auf, die exponentiell zerfallen. Die exponentielle Glättungsvorhersagegleichung lautet: Prognose a (Vorherige Ist-Verkäufe) (1 - a) Vorhergehende Prognose Die Prognose ist ein gewichteter Durchschnitt der tatsächlichen Umsätze der Vorperiode und der Prognose der Vorperiode. A ist das Gewicht auf den tatsächlichen Umsatz für die vorherige Periode angewendet. (1 - a) das auf die Prognose der Vorperiode angewandte Gewicht. Gültige Werte für einen Bereich von 0 bis 1 und üblicherweise zwischen 0,1 und 0,4 liegen. Die Summe der Gewichte beträgt 1,00. A (1 - a) 1 Sie sollten einen Wert für die Glättungskonstante zuweisen, a. Wenn Sie keine Werte für die Glättungskonstante zuordnen, berechnet das System einen angenommenen Wert auf der Grundlage der in der Verarbeitungsoption 11a angegebenen Anzahl von Perioden der Verkaufsgeschichte. Eine Glättungskonstante, die beim Berechnen des geglätteten Durchschnitts für das allgemeine Niveau oder die Grße der Verkäufe verwendet wird. Gültige Werte für einen Bereich von 0 bis 1. n der Bereich der Verkaufsgeschichtsdaten, der in die Berechnungen aufzunehmen ist. Generell reicht ein Jahr der Umsatzverlaufsdaten aus, um das allgemeine Umsatzniveau abzuschätzen. Für dieses Beispiel wurde ein kleiner Wert für n (n 3) gewählt, um die manuellen Berechnungen zur Verifizierung der Ergebnisse zu reduzieren. Eine exponentielle Glättung kann eine Prognose erzeugen, die auf nur einem historischen Datenpunkt basiert. Mindestens erforderlicher Umsatzverlauf: n plus Anzahl der Zeiträume, die für die Bewertung der Prognoseperformance (PBF) erforderlich sind. A.13.1 Prognoserechnung Die Anzahl der Perioden, die in den Glättungsdurchschnitt (Verarbeitungsoption 11a) 3 und alpha-Faktor (Verarbeitungsoption 11b) einzubeziehen sind, ist in diesem Beispiel ein Faktor für die ältesten Vertriebsdaten 2 (11) oder 1 bei der Angabe von alpha Ein Faktor für die zweitältesten Verkaufsdaten 2 (12) oder alpha, wenn alpha ein Faktor für die 3. ältesten Verkaufsdaten 2 (13) angegeben ist, oder alpha, wenn alpha ein Faktor für die letzten Verkaufsdaten 2 (1n) , Oder alpha, wenn alpha angegeben ist November Sm. Durchschn. A (Oktober-Ist) (1 - a) Oktober Sm. Durchschn. 1 114 0 0 114 Dezember Sm. Durchschn. A (November-Ist) (1 - a) November Sm. Durchschn. 23 119 13 114 117.3333 Januar Vorhersage a (Dezember Tatsächlich) (1 - a) Dezember Sm. Durchschn. 24 137 24 117.3333 127.16665 oder 127 Februar Prognose Januar Prognose 127 März Prognose Januar Prognose 127 A.13.2 Simulierte Prognoseberechnung Juli 2004 Sm. Durchschn. 22 129 129 August Sm. Durchschn. 23 140 13 129 136,333 September Sm. Durchschn. 24 131 24 136.3333 133.6666 Oktober 2004 Verkauf Sep Sm. Durchschn. 133.6666 August 2004. Sm. Durchschn. 22 140 140 September Sm. Durchschn. 23 131 13 140 134 Oktober Sm. Durchschn. 24 114 24 134 124 November 2004 Verkauf Sep Sm. Durchschn. 124 September 2004 Sm. Durchschn. 22 131 131 Oktober Sm. Durchschn. 23 114 13 131 119,6666 November Sm. Durchschn. 24 119 24 119,6666 119,333 Dezember 2004 Umsatz Sep Sm. Durchschn. 119.3333 A.13.3 Prozentsatz der Genauigkeitsberechnung POA (133,6666 124 119,333) (114 119 137) 100 101,891 A.13.4 Mittlere Absolutabweichung MAD (133,6666 - 114 124 - 119 119,333 - 137) 3 14,1111 A.14 Methode 12 - Exponentialglättung Mit Trend und Saisonalität Diese Methode ist ähnlich wie Methode 11, Exponentialglättung, indem ein geglätteter Durchschnitt berechnet wird. Das Verfahren 12 enthält jedoch auch einen Term in der Prognose-Gleichung, um einen geglätteten Trend zu berechnen. Die Prognose setzt sich aus einem geglätteten Durchschnitt und einem linearen Trend zusammen. Wenn in der Verarbeitungsoption angegeben, wird die Prognose auch saisonbedingt angepasst. Eine Glättungskonstante, die beim Berechnen des geglätteten Durchschnitts für das allgemeine Niveau oder die Grße der Verkäufe verwendet wird. Gültige Werte für den Alpha-Bereich von 0 bis 1. b die Glättungskonstante, die beim Berechnen des geglätteten Durchschnitts für die Trendkomponente der Prognose verwendet wird. Gültige Werte für Beta reichen von 0 bis 1. Ob ein saisonaler Index auf die Prognose a und b angewendet wird, sind unabhängig voneinander. Sie müssen nicht zu 1.0 hinzufügen. Mindestens erforderlicher Umsatzverlauf: zwei Jahre plus Anzahl der für die Bewertung der Prognoseperformance (PBF) erforderlichen Zeiträume. Methode 12 verwendet zwei exponentielle Glättungsgleichungen und einen einfachen Mittelwert, um einen geglätteten Durchschnitt, einen geglätteten Trend und einen einfachen durchschnittlichen saisonalen Faktor zu berechnen. A.14.1 Prognoseberechnung A) Ein exponentiell geglättetes durchschnittliches MAD (122.81 - 114 133.14 - 119 135.33 - 137) 3 8.2 A.15 Auswertung der Prognosen Sie können Prognosemethoden auswählen, um so viele wie zwölf Prognosen für jedes Produkt zu generieren. Jede Prognose-Methode wird wahrscheinlich eine etwas andere Projektion. Wenn Tausende von Produkten prognostiziert werden, ist es unpraktisch, eine subjektive Entscheidung zu treffen, welche der Prognosen in Ihren Plänen für jedes der Produkte verwendet werden. Das System wertet die Leistung automatisch für jede der von Ihnen ausgewählten Prognosemethoden und für jede der Prognoseprognosen aus. Sie können zwischen zwei Leistungskriterien, Mean Absolute Deviation (MAD) und Percent of Accuracy (POA) wählen. MAD ist ein Maß für den Prognosefehler. POA ist ein Maß für die Vorhersage. Beide dieser Leistungsbewertungsverfahren erfordern tatsächliche Verkaufsgeschichtsdaten für eine vom Benutzer angegebene Zeitspanne. Diese Periode der jüngsten Geschichte wird als Halteperiode oder Perioden am besten geeignet (PBF) bezeichnet. Um die Leistung einer Prognosemethode zu messen, verwenden Sie die Prognoseformeln, um eine Prognose für die historische Halteperiode zu simulieren. Normalerweise gibt es Unterschiede zwischen den tatsächlichen Verkaufsdaten und der simulierten Prognose für die Halteperiode. Wenn mehrere Prognosemethoden ausgewählt werden, erfolgt dieser Prozess für jede Methode. Mehrere Prognosen werden für die Halteperiode berechnet und mit dem bekannten Umsatzverlauf für denselben Zeitraum verglichen. Für die Verwendung in Ihren Plänen wird die Prognosemethode empfohlen, die die optimale Übereinstimmung zwischen der Prognose und dem tatsächlichen Umsatz während des Haltezeitraums liefert. Diese Empfehlung ist spezifisch für jedes Produkt und kann sich von einer Prognosegeneration zur nächsten ändern. A.16 Mittlere Absolutabweichung (MAD) MAD ist der Mittelwert (oder Mittelwert) der Absolutwerte (oder Größen) der Abweichungen (oder Fehler) zwischen Ist - und Prognosedaten. MAD ist ein Maß für die durchschnittliche Größe der zu erwartenden Fehler bei einer Prognosemethode und einem Datenverlauf. Da bei der Berechnung absolute Werte verwendet werden, werden positive Fehler nicht negativ ausgewertet. Beim Vergleich mehrerer Prognosemethoden hat sich diejenige mit dem kleinsten MAD als die zuverlässigste für dieses Produkt für diese Halteperiode erwiesen. Wenn die Prognose unvoreingenommen ist und Fehler normal verteilt sind, gibt es eine einfache mathematische Beziehung zwischen MAD und zwei anderen gemeinsamen Maßeinheiten für Verteilung, Standardabweichung und Mean Squared Error: A.16.1 Prozent der Genauigkeit (POA) Prozent der Genauigkeit (POA) Ein Maß für die Vorhersage Bias. Wenn die Prognosen konsequent zu hoch sind, sammeln sich die Vorräte an und die Lagerhaltungskosten steigen. Wenn die Prognosen konsequent zwei niedrig sind, werden die Vorräte verbraucht und der Kundendienst sinkt. Eine Prognose, die 10 Einheiten zu niedrig ist, dann 8 Einheiten zu hoch, dann 2 Einheiten zu hoch, wäre eine unvoreingenommene Prognose. Der positive Fehler von 10 wird durch negative Fehler von 8 und 2 gelöscht. Fehler Tatsächlich - Prognose Wenn ein Produkt im Inventar gespeichert werden kann und wenn die Prognose nicht vorhanden ist, kann eine kleine Menge an Sicherheitsbestand verwendet werden, um die Fehler zu puffern. In dieser Situation ist es nicht so wichtig, Prognosefehler zu eliminieren, da es sich um die Erzeugung von unvorhersehbaren Prognosen handelt. In der Dienstleistungsbranche wäre die obige Situation jedoch als drei Fehler zu betrachten. Der Dienst würde in der ersten Periode unterbesetzt sein, dann überbesetzt für die nächsten zwei Perioden. In Services ist die Größenordnung der Prognosefehler in der Regel wichtiger als die prognostizierte Bias. Die Summierung über die Halteperiode erlaubt positive Fehler, negative Fehler abzubrechen. Wenn die Summe der tatsächlichen Verkäufe die Summe der prognostizierten Verkäufe übersteigt, ist das Verhältnis größer als 100. Natürlich ist es unmöglich, mehr als 100 genau zu sein. Wenn eine Prognose nicht vorliegt, beträgt das POA-Verhältnis 100. Daher ist es wünschenswerter, genauer als 100 genau zu sein, als 110 genau zu sein. Die POA-Kriterien wählen die Prognosemethode, die ein POA-Verhältnis am nächsten zu 100 hat. Scripting auf dieser Seite verbessert die Inhaltsnavigation, ändert jedoch den Inhalt in keiner Weise. Moving durchschnittliche und exponentielle Glättungsmodelle Als erster Schritt, Random-Walk-Modelle und lineare Trendmodelle, nicht-saisonale Muster und Trends können mit einem gleitenden Durchschnitt oder Glättungsmodell extrapoliert werden. Die grundlegende Annahme hinter Mittelwertbildung und Glättungsmodellen ist, dass die Zeitreihe lokal stationär mit einem sich langsam verändernden Mittelwert ist. Daher nehmen wir einen bewegten (lokalen) Durchschnitt, um den aktuellen Wert des Mittelwerts abzuschätzen und dann als die Prognose für die nahe Zukunft zu verwenden. Dies kann als Kompromiss zwischen dem mittleren Modell und dem random-walk-ohne-Drift-Modell betrachtet werden. Die gleiche Strategie kann verwendet werden, um einen lokalen Trend abzuschätzen und zu extrapolieren. Ein gleitender Durchschnitt wird oft als "quotsmoothedquot" - Version der ursprünglichen Serie bezeichnet, da die kurzzeitige Mittelung die Wirkung hat, die Stöße in der ursprünglichen Reihe zu glätten. Durch Anpassen des Glättungsgrades (die Breite des gleitenden Durchschnitts) können wir hoffen, eine Art von optimaler Balance zwischen der Leistung des Mittelwerts und der zufälligen Wandermodelle zu erreichen. Die einfachste Art der Mittelung Modell ist die. Einfache (gleichgewichtige) Moving Average: Die Prognose für den Wert von Y zum Zeitpunkt t1, der zum Zeitpunkt t gemacht wird, entspricht dem einfachen Mittelwert der letzten m Beobachtungen: (Hier und anderswo werde ich das Symbol 8220Y-hat8221 stehen lassen Für eine Prognose der Zeitreihe Y, die am frühestmöglichen früheren Zeitpunkt durch ein gegebenes Modell durchgeführt wird.) Dieser Mittelwert wird auf den Zeitraum t (m1) 2 zentriert, was impliziert, daß die Schätzung des lokalen Mittels dazu neigt, hinter dem wahr zu liegen Wert des lokalen Mittels um etwa (m1) 2 Perioden. Somit ist das Durchschnittsalter der Daten im einfachen gleitenden Durchschnitt (m1) 2 relativ zu der Periode, für die die Prognose berechnet wird, angegeben: dies ist die Zeitspanne, in der die Prognosen dazu tendieren, hinter den Wendepunkten der Daten zu liegen . Wenn Sie z. B. die letzten 5 Werte mitteln, werden die Prognosen etwa 3 Perioden spät sein, wenn sie auf Wendepunkte reagieren. Beachten Sie, dass, wenn m1, die einfache gleitende Durchschnitt (SMA) - Modell ist gleichbedeutend mit der random walk-Modell (ohne Wachstum). Wenn m sehr groß ist (vergleichbar der Länge des Schätzzeitraums), entspricht das SMA-Modell dem mittleren Modell. Wie bei jedem Parameter eines Prognosemodells ist es üblich, den Wert von k anzupassen, um den besten Quotienten der Daten zu erhalten, d. H. Die kleinsten Prognosefehler im Durchschnitt. Hier ist ein Beispiel einer Reihe, die zufällige Fluktuationen um ein sich langsam veränderndes Mittel zu zeigen scheint. Erstens können wir versuchen, es mit einem zufälligen Fußmodell, das entspricht einem einfachen gleitenden Durchschnitt von 1 Begriff entspricht: Das zufällige gehen Modell reagiert sehr schnell auf Änderungen in der Serie, aber dabei nimmt sie einen Großteil der quotnoisequot in der Daten (die zufälligen Fluktuationen) sowie das Quotsignalquot (das lokale Mittel). Wenn wir stattdessen einen einfachen gleitenden Durchschnitt von 5 Begriffen anwenden, erhalten wir einen glatteren Satz von Prognosen: Der 5-Term-einfache gleitende Durchschnitt liefert in diesem Fall deutlich kleinere Fehler als das zufällige Wegmodell. Das Durchschnittsalter der Daten in dieser Prognose beträgt 3 ((51) 2), so dass es dazu neigt, hinter den Wendepunkten um etwa drei Perioden zu liegen. (Zum Beispiel scheint ein Rückgang in Periode 21 aufgetreten zu sein, aber die Prognosen drehen sich erst um einige Zeit später.) Beachten Sie, dass die Langzeitprognosen des SMA-Modells eine horizontale Gerade sind, genau wie beim zufälligen Weg Modell. Somit geht das SMA-Modell davon aus, dass es keinen Trend in den Daten gibt. Während jedoch die Prognosen aus dem Zufallswegmodell einfach dem letzten beobachteten Wert entsprechen, sind die Prognosen des SMA-Modells gleich einem gewichteten Mittelwert der neueren Werte. Die von Statgraphics berechneten Konfidenzgrenzen für die Langzeitprognosen des einfachen gleitenden Durchschnitts werden nicht breiter, wenn der Prognosehorizont zunimmt. Dies ist offensichtlich nicht richtig Leider gibt es keine zugrunde liegende statistische Theorie, die uns sagt, wie sich die Vertrauensintervalle für dieses Modell erweitern sollten. Allerdings ist es nicht zu schwer, empirische Schätzungen der Konfidenzgrenzen für die längerfristigen Prognosen zu berechnen. Beispielsweise können Sie eine Tabellenkalkulation einrichten, in der das SMA-Modell für die Vorhersage von 2 Schritten im Voraus, 3 Schritten voraus usw. innerhalb der historischen Datenprobe verwendet wird. Sie könnten dann die Stichproben-Standardabweichungen der Fehler bei jedem Prognosehorizont berechnen und dann Konfidenzintervalle für längerfristige Prognosen durch Addieren und Subtrahieren von Vielfachen der geeigneten Standardabweichung konstruieren. Wenn wir einen 9-Term einfach gleitenden Durchschnitt versuchen, erhalten wir sogar noch bessere Prognosen und mehr von einem nacheilenden Effekt: Das Durchschnittsalter beträgt jetzt 5 Perioden ((91) 2). Wenn wir einen 19-term gleitenden Durchschnitt nehmen, steigt das Durchschnittsalter auf 10 an: Beachten Sie, dass die Prognosen tatsächlich hinter den Wendepunkten um etwa 10 Perioden zurückbleiben. Welches Maß an Glättung ist am besten für diese Serie Hier ist eine Tabelle, die ihre Fehlerstatistiken vergleicht, darunter auch einen 3-Term-Durchschnitt: Modell C, der 5-Term-Gleitender Durchschnitt, ergibt den niedrigsten Wert von RMSE mit einer kleinen Marge über die 3 - term und 9-Term-Mittelwerte, und ihre anderen Statistiken sind fast identisch. So können wir bei Modellen mit sehr ähnlichen Fehlerstatistiken wählen, ob wir ein wenig mehr Reaktionsfähigkeit oder ein wenig mehr Glätte in den Prognosen bevorzugen würden. (Rückkehr nach oben.) Browns Einfache Exponentialglättung (exponentiell gewichteter gleitender Durchschnitt) Das oben beschriebene einfache gleitende Durchschnittsmodell hat die unerwünschte Eigenschaft, daß es die letzten k-Beobachtungen gleich und vollständig ignoriert. Intuitiv sollten vergangene Daten in einer allmählicheren Weise diskontiert werden - zum Beispiel sollte die jüngste Beobachtung ein wenig mehr Gewicht als die zweitletzte erhalten, und die 2. jüngsten sollten ein wenig mehr Gewicht als die 3. jüngsten erhalten, und bald. Das einfache exponentielle Glättungsmodell (SES) erfüllt dies. 945 bezeichnen eine quotsmoothing constantquot (eine Zahl zwischen 0 und 1). Eine Möglichkeit, das Modell zu schreiben, besteht darin, eine Serie L zu definieren, die den gegenwärtigen Pegel (d. H. Den lokalen Mittelwert) der Serie, wie er aus Daten bis zu der Zeit geschätzt wird, darstellt. Der Wert von L zur Zeit t wird rekursiv von seinem eigenen vorherigen Wert wie folgt berechnet: Somit ist der aktuelle geglättete Wert eine Interpolation zwischen dem vorher geglätteten Wert und der aktuellen Beobachtung, wobei 945 die Nähe des interpolierten Wertes auf die neueste steuert Überwachung. Die Prognose für die nächste Periode ist einfach der aktuelle geglättete Wert: Äquivalent können wir die nächste Prognose direkt in Form früherer Prognosen und früherer Beobachtungen in einer der folgenden gleichwertigen Versionen ausdrücken. In der ersten Version ist die Prognose eine Interpolation zwischen vorheriger Prognose und vorheriger Beobachtung: In der zweiten Version wird die nächste Prognose durch Anpassung der bisherigen Prognose in Richtung des bisherigen Fehlers um einen Bruchteil 945 erhalten Zeit t. In der dritten Version ist die Prognose ein exponentiell gewichteter (dh diskontierter) gleitender Durchschnitt mit Abzinsungsfaktor 1-945: Die Interpolationsversion der Prognoseformel ist am einfachsten zu verwenden, wenn Sie das Modell in einer Tabellenkalkulation implementieren Einzelne Zelle und enthält Zellverweise, die auf die vorhergehende Prognose, die vorherige Beobachtung und die Zelle mit dem Wert von 945 zeigen. Beachten Sie, dass, wenn 945 1, das SES-Modell zu einem zufälligen Weg-Modell (ohne Wachstum) äquivalent ist. Wenn 945 0 ist, entspricht das SES-Modell dem mittleren Modell, wobei angenommen wird, dass der erste geglättete Wert gleich dem Mittelwert gesetzt ist. (Zurück zum Seitenanfang.) Das Durchschnittsalter der Daten in der Simple-Exponential-Smoothing-Prognose beträgt 1 945, bezogen auf den Zeitraum, für den die Prognose berechnet wird. (Dies sollte nicht offensichtlich sein, kann aber leicht durch die Auswertung einer unendlichen Reihe gezeigt werden.) Die einfache gleitende Durchschnittsprognose neigt daher zu Verzögerungen hinter den Wendepunkten um etwa 1 945 Perioden. Wenn beispielsweise 945 0,5 die Verzögerung 2 Perioden beträgt, wenn 945 0,2 die Verzögerung 5 Perioden beträgt, wenn 945 0,1 die Verzögerung 10 Perioden und so weiter ist. Für ein gegebenes Durchschnittsalter (d. H. Eine Verzögerung) ist die einfache exponentielle Glättungsprognose (SES) der simplen gleitenden Durchschnittsprognose (SMA) etwas überlegen, weil sie relativ viel mehr Gewicht auf die jüngste Beobachtung - i. e stellt. Es ist etwas mehr quresponsivequot zu Änderungen, die sich in der jüngsten Vergangenheit. Zum Beispiel haben ein SMA - Modell mit 9 Terminen und ein SES - Modell mit 945 0,2 beide ein durchschnittliches Alter von 5 Jahren für die Daten in ihren Prognosen, aber das SES - Modell legt mehr Gewicht auf die letzten 3 Werte als das SMA - Modell und am Gleiches gilt für die Werte von mehr als 9 Perioden, wie in dieser Tabelle gezeigt: 822forget8221. Ein weiterer wichtiger Vorteil des SES-Modells gegenüber dem SMA-Modell ist, dass das SES-Modell einen Glättungsparameter verwendet, der kontinuierlich variabel ist und somit leicht optimiert werden kann Indem ein Quotsolverquot-Algorithmus verwendet wird, um den mittleren quadratischen Fehler zu minimieren. Der optimale Wert von 945 im SES-Modell für diese Serie ergibt sich wie folgt: Das durchschnittliche Alter der Daten in dieser Prognose beträgt 10.2961 3,4 Perioden, was ähnlich wie bei einem 6-term einfachen gleitenden Durchschnitt ist. Die Langzeitprognosen aus dem SES-Modell sind eine horizontale Gerade. Wie im SMA-Modell und dem Random-Walk-Modell ohne Wachstum. Es ist jedoch anzumerken, dass die von Statgraphics berechneten Konfidenzintervalle nun in einer vernünftigen Weise abweichen und dass sie wesentlich schmaler sind als die Konfidenzintervalle für das Zufallswegmodell. Das SES-Modell geht davon aus, dass die Reihe etwas vorhersehbarer ist als das Zufallswandermodell. Ein SES-Modell ist eigentlich ein Spezialfall eines ARIMA-Modells. So dass die statistische Theorie der ARIMA-Modelle eine solide Grundlage für die Berechnung der Konfidenzintervalle für das SES-Modell bildet. Insbesondere ist ein SES-Modell ein ARIMA-Modell mit einer nicht sonderbaren Differenz, einem MA (1) - Term und kein konstanter Term. Ansonsten als quotARIMA (0,1,1) - Modell ohne Konstantquot bekannt. Der MA (1) - Koeffizient im ARIMA-Modell entspricht der Größe 1 - 945 im SES-Modell. Wenn Sie zum Beispiel ein ARIMA-Modell (0,1,1) ohne Konstante an die hier analysierte Serie anpassen, ergibt sich der geschätzte MA (1) - Koeffizient auf 0,7029, was fast genau ein Minus von 0,2961 ist. Es ist möglich, die Annahme eines von Null verschiedenen konstanten linearen Trends zu einem SES-Modell hinzuzufügen. Dazu wird ein ARIMA-Modell mit einer nicht sonderbaren Differenz und einem MA (1) - Term mit konstantem, d. H. Einem ARIMA-Modell (0,1,1) mit konstantem Wert angegeben. Die langfristigen Prognosen haben dann einen Trend, der dem durchschnittlichen Trend über den gesamten Schätzungszeitraum entspricht. Sie können dies nicht in Verbindung mit saisonalen Anpassungen tun, da die saisonalen Anpassungsoptionen deaktiviert sind, wenn der Modelltyp auf ARIMA gesetzt ist. Sie können jedoch einen konstanten langfristigen exponentiellen Trend zu einem einfachen exponentiellen Glättungsmodell (mit oder ohne saisonale Anpassung) hinzufügen, indem Sie die Inflationsanpassungsoption im Prognoseverfahren verwenden. Die prozentuale Zinssatzquote (prozentuale Wachstumsrate) pro Periode kann als der Steigungskoeffizient in einem linearen Trendmodell geschätzt werden, das an die Daten in Verbindung mit einer natürlichen Logarithmuswandlung angepasst ist, oder es kann auf anderen unabhängigen Informationen bezüglich der langfristigen Wachstumsperspektiven beruhen . (Rückkehr nach oben.) Browns Linear (dh doppelt) Exponentielle Glättung Die SMA-Modelle und SES-Modelle gehen davon aus, dass es in den Daten keine Tendenzen gibt (die in der Regel in Ordnung sind oder zumindest nicht zu schlecht für 1- Wenn die Daten relativ verrauscht sind), und sie können modifiziert werden, um einen konstanten linearen Trend, wie oben gezeigt, zu integrieren. Was ist mit kurzfristigen Trends Wenn eine Serie eine unterschiedliche Wachstumsrate oder ein zyklisches Muster zeigt, das sich deutlich gegen das Rauschen auszeichnet, und wenn es notwendig ist, mehr als eine Periode vorher zu prognostizieren, könnte die Schätzung eines lokalen Trends auch sein Ein Problem. Das einfache exponentielle Glättungsmodell kann verallgemeinert werden, um ein lineares exponentielles Glättungsmodell (LES) zu erhalten, das lokale Schätzungen sowohl des Niveaus als auch des Trends berechnet. Das einfachste zeitvariable Trendmodell ist Browns lineares exponentielles Glättungsmodell, das zwei verschiedene geglättete Serien verwendet, die zu verschiedenen Zeitpunkten zentriert sind. Die Prognoseformel basiert auf einer Extrapolation einer Linie durch die beiden Zentren. (Eine weiterentwickelte Version dieses Modells, Holt8217s, wird unten diskutiert.) Die algebraische Form des Brown8217s linearen exponentiellen Glättungsmodells, wie die des einfachen exponentiellen Glättungsmodells, kann in einer Anzahl von unterschiedlichen, aber äquivalenten Formen ausgedrückt werden. Die quadratische quadratische Form dieses Modells wird gewöhnlich wie folgt ausgedrückt: Sei S die einfach geglättete Reihe, die durch Anwendung einfacher exponentieller Glättung auf Reihe Y erhalten wird. Das heißt, der Wert von S in der Periode t ist gegeben durch: (Erinnern wir uns, Exponentielle Glättung, dies wäre die Prognose für Y in der Periode t1.) Dann sei Squot die doppelt geglättete Reihe, die man erhält, indem man eine einfache exponentielle Glättung (unter Verwendung desselben 945) auf die Reihe S anwendet: Schließlich die Prognose für Ytk. Für jedes kgt1 ist gegeben durch: Dies ergibt e & sub1; & sub0; (d. h. Cheat ein Bit und die erste Prognose der tatsächlichen ersten Beobachtung gleich) und e & sub2; Y & sub2; 8211 Y & sub1; Nach denen die Prognosen unter Verwendung der obigen Gleichung erzeugt werden. Dies ergibt die gleichen Anpassungswerte wie die Formel auf der Basis von S und S, wenn diese mit S 1 S 1 Y 1 gestartet wurden. Diese Version des Modells wird auf der nächsten Seite verwendet, die eine Kombination von exponentieller Glättung mit saisonaler Anpassung veranschaulicht. Holt8217s Lineares Exponentialglättung Brown8217s LES-Modell berechnet lokale Schätzungen von Pegel und Trend durch Glätten der letzten Daten, aber die Tatsache, dass dies mit einem einzigen Glättungsparameter erfolgt, legt eine Einschränkung für die Datenmuster fest, die es anpassen kann: den Pegel und den Trend Dürfen nicht zu unabhängigen Preisen variieren. Holt8217s LES-Modell adressiert dieses Problem durch zwei Glättungskonstanten, eine für die Ebene und eine für den Trend. Zu jedem Zeitpunkt t, wie in Brown8217s-Modell, gibt es eine Schätzung L t der lokalen Ebene und eine Schätzung T t der lokalen Trend. Hier werden sie rekursiv aus dem zum Zeitpunkt t beobachteten Wert von Y und den vorherigen Schätzungen von Pegel und Trend durch zwei Gleichungen berechnet, die exponentielle Glättung separat anwenden. Wenn der geschätzte Pegel und der Trend zum Zeitpunkt t-1 L t82091 und T t-1 sind. Dann ist die Prognose für Y tshy, die zum Zeitpunkt t-1 gemacht worden wäre, gleich L t-1 T t-1. Wenn der tatsächliche Wert beobachtet wird, wird die aktualisierte Schätzung des Pegels rekursiv berechnet, indem zwischen Y tshy und seiner Prognose L t-1 T t-1 unter Verwendung von Gewichten von 945 und 1- 945 interpoliert wird. Die Änderung des geschätzten Pegels, Nämlich L t 8209 L t82091. Kann als eine verrauschte Messung des Trends zum Zeitpunkt t interpretiert werden. Die aktualisierte Schätzung des Trends wird dann rekursiv berechnet, indem zwischen L t 8209 L t82091 und der vorherigen Schätzung des Trends T t-1 interpoliert wird. Unter Verwendung der Gewichte von 946 und 1-946: Die Interpretation der Trendglättungskonstanten 946 ist analog zu der Pegelglättungskonstante 945. Modelle mit kleinen Werten von 946 nehmen an, dass sich der Trend mit der Zeit nur sehr langsam ändert, während Modelle mit Größere 946 nehmen an, dass sie sich schneller ändert. Ein Modell mit einem großen 946 glaubt, dass die ferne Zukunft sehr unsicher ist, da Fehler in der Trendschätzung bei der Prognose von mehr als einer Periode ganz wichtig werden. (Rückkehr nach oben) Die Glättungskonstanten 945 und 946 können auf übliche Weise geschätzt werden, indem der mittlere quadratische Fehler der 1-Schritt-Voraus-Prognosen minimiert wird. Wenn dies in Statgraphics getan wird, erweisen sich die Schätzungen als 945 0.3048 und 946 0,008. Der sehr geringe Wert von 946 bedeutet, dass das Modell eine sehr geringe Veränderung im Trend von einer Periode zur nächsten annimmt, so dass dieses Modell im Grunde versucht, einen langfristigen Trend abzuschätzen. Analog zur Vorstellung des Durchschnittsalters der Daten, die bei der Schätzung der lokalen Ebene der Reihe verwendet werden, ist das Durchschnittsalter der Daten, die bei der Schätzung des lokalen Trends verwendet werden, proportional zu 1 946, wenn auch nicht exakt gleich . In diesem Fall erweist sich dies als 10.006 125. Dies ist eine sehr genaue Zahl, da die Genauigkeit der Schätzung von 946 nicht wirklich 3 Dezimalstellen beträgt, aber sie ist von der gleichen Größenordnung wie die Stichprobengröße von 100 Dieses Modell ist Mittelung über eine ziemlich große Geschichte bei der Schätzung der Trend. Das Prognose-Diagramm unten zeigt, dass das LES-Modell einen etwas größeren lokalen Trend am Ende der Serie schätzt als der im SEStrend-Modell geschätzte konstante Trend. Außerdem ist der Schätzwert von 945 fast identisch mit dem, der durch Anpassen des SES-Modells mit oder ohne Trend erhalten wird, so dass dies fast das gleiche Modell ist. Nun, sehen diese aussehen wie vernünftige Prognosen für ein Modell, das soll Schätzung einer lokalen Tendenz Wenn Sie 8220eyeball8221 dieser Handlung, sieht es so aus, als ob der lokale Trend nach unten am Ende der Serie gedreht hat Was ist passiert Die Parameter dieses Modells Wurden durch Minimierung des quadratischen Fehlers von 1-Schritt-Voraus-Prognosen, nicht längerfristigen Prognosen, abgeschätzt, wobei der Trend keinen großen Unterschied macht. Wenn alles, was Sie suchen, 1-Schritt-vor-Fehler sind, sehen Sie nicht das größere Bild der Trends über (sagen) 10 oder 20 Perioden. Um dieses Modell im Einklang mit unserer Augapfel-Extrapolation der Daten zu erhalten, können wir die Trendglättungskonstante manuell anpassen, so dass sie eine kürzere Basislinie für die Trendschätzung verwendet. Wenn wir beispielsweise 946 0,1 setzen, beträgt das durchschnittliche Alter der Daten, die bei der Schätzung des lokalen Trends verwendet werden, 10 Perioden, was bedeutet, dass wir den Trend über die letzten 20 Perioden oder so mitteln. Here8217s, was das Prognose-Plot aussieht, wenn wir 946 0,1 setzen, während 945 0,3 halten. Dies scheint intuitiv vernünftig für diese Serie, obwohl es wahrscheinlich gefährlich, diesen Trend mehr als 10 Perioden in der Zukunft zu extrapolieren. Was ist mit den Fehlerstatistiken Hier ist ein Modellvergleich für die beiden oben gezeigten Modelle sowie drei SES-Modelle. Der optimale Wert von 945 für das SES-Modell beträgt etwa 0,3, aber ähnliche Ergebnisse (mit etwas mehr oder weniger Reaktionsfähigkeit) werden mit 0,5 und 0,2 erhalten. (A) Holts linearer Exp. Glättung mit alpha 0.3048 und beta 0,008 (B) Holts linear exp. Glättung mit alpha 0,3 (E) Einfache exponentielle Glättung mit alpha 0,3 (E) Einfache exponentielle Glättung mit alpha 0,2 Ihre Stats sind nahezu identisch, so dass wir wirklich die Wahl auf der Basis machen können Von 1-Schritt-Vorhersagefehlern innerhalb der Datenprobe. Wir müssen auf andere Überlegungen zurückgreifen. Wenn wir glauben, dass es sinnvoll ist, die aktuelle Trendschätzung auf das, was in den letzten 20 Perioden passiert ist, zugrunde zu legen, können wir für das LES-Modell mit 945 0,3 und 946 0,1 einen Fall machen. Wenn wir agnostisch sein wollen, ob es einen lokalen Trend gibt, dann könnte eines der SES-Modelle leichter zu erklären sein, und würde auch für die nächsten 5 oder 10 Perioden mehr Mittelprognosen geben. (Rückkehr nach oben.) Welche Art von Trend-Extrapolation am besten ist: horizontal oder linear Empirische Evidenz deutet darauf hin, dass es, wenn die Daten bereits für die Inflation angepasst wurden (wenn nötig), unprätent ist, kurzfristige lineare Werte zu extrapolieren Trends sehr weit in die Zukunft. Die heutigen Trends können sich in Zukunft aufgrund unterschiedlicher Ursachen wie Produktveralterung, verstärkte Konkurrenz und konjunkturelle Abschwünge oder Aufschwünge in einer Branche abschwächen. Aus diesem Grund führt eine einfache exponentielle Glättung oft zu einer besseren Out-of-Probe, als ansonsten erwartet werden könnte, trotz ihrer quotnaivequot horizontalen Trend-Extrapolation. Damped Trendmodifikationen des linearen exponentiellen Glättungsmodells werden in der Praxis häufig auch eingesetzt, um in seinen Trendprojektionen eine Note des Konservatismus einzuführen. Das Dämpfungs-Trend-LES-Modell kann als Spezialfall eines ARIMA-Modells, insbesondere eines ARIMA-Modells (1,1,2), implementiert werden. Es ist möglich, Konfidenzintervalle um langfristige Prognosen zu berechnen, die durch exponentielle Glättungsmodelle erzeugt werden, indem man sie als Spezialfälle von ARIMA-Modellen betrachtet. (Achtung: Nicht alle Software berechnet die Konfidenzintervalle für diese Modelle korrekt.) Die Breite der Konfidenzintervalle hängt ab von (i) dem RMS-Fehler des Modells, (ii) der Art der Glättung (einfach oder linear) (iii) dem Wert (S) der Glättungskonstante (n) und (iv) die Anzahl der Perioden vor der Prognose. Im Allgemeinen breiten sich die Intervalle schneller aus, da 945 im SES-Modell größer wird und sich viel schneller ausbreiten, wenn lineare statt einfache Glättung verwendet wird. Dieses Thema wird im Abschnitt "ARIMA-Modelle" weiter erläutert. (Zurück zum Seitenanfang.)

Besteuerung Der Geldaktienoptionen

Holen Sie sich die meisten Out Of Employee Stock Options Ein Mitarbeiter Aktienoptionsplan kann ein lukratives Investment-Instrument, wenn richtig verwaltet werden. Aus diesem Grund sind diese Pläne lange als ein erfolgreiches Instrument, um Top-Führungskräfte zu gewinnen, und in den letzten Jahren ein beliebtes Mittel, um nicht-exekutive Mitarbeiter zu locken gedient. Leider sind einige noch nicht in vollem Umfang nutzen das Geld aus ihren Mitarbeiterbestand zu nutzen. Verständnis der Art der Aktienoptionen. Besteuerung und die Auswirkungen auf das persönliche Einkommen ist der Schlüssel zur Maximierung einer solchen potenziell lukrativen Vergünstigung. Was ist eine Mitarbeiteraktienoption Eine Mitarbeiteraktienoption ist ein Vertrag, der von einem Arbeitgeber an einen Mitarbeiter ausgegeben wird, um einen festgelegten Betrag von Aktien der Gesellschaft zu einem festen Preis für einen begrenzten Zeitraum zu erwerben. Es gibt zwei breite Klassifizierungen der ausgegebenen Aktienoptionen: Nicht qualifizierte Aktienoptionen (NSO) und Anreizoptionen (ISO). Nicht qualifizierte Aktienoptionen unterscheiden sich auf zwei Arten von Anreizoptionen. Erstens werden NSOs an nicht-leitende Angestellte und externe Direktoren oder Berater angeboten. Im Gegensatz dazu sind ISOs ausschließlich für Mitarbeiter (genauer gesagt Führungskräfte) des Unternehmens reserviert. Zweitens erhalten nichtqualifizierte Optionen keine spezielle föderale steuerliche Behandlung, während Anreizaktienoptionen eine günstige steuerliche Behandlung erhalten, da sie spezifische gesetzliche Regelungen erfüllen, die durch den Internal Revenue Code beschrieben werden (mehr zu dieser günstigen steuerlichen Behandlung siehe unten). NSO - und ISO-Pläne teilen sich ein gemeinsames Merkmal: sie können sich komplex fühlen. Die Transaktionen innerhalb dieser Pläne müssen den spezifischen Bestimmungen des Arbeitgebervertrages und des Internal Revenue Code entsprechen. Stichtag, Verfall, Ausübung und Ausübung Anfänglich wird den Mitarbeitern in der Regel nicht das volle Eigentumsrecht an den Optionen am Beginn des Vertrags gewährt (auch bekannt als Zuschusstermin). Sie müssen bei der Ausübung ihrer Optionen einen bestimmten Zeitplan einhalten, der als Wartezeitplan bekannt ist. Der Wartezeitplan beginnt am Tag der Gewährung der Optionen und listet die Daten auf, die ein Mitarbeiter in der Lage ist, eine bestimmte Anzahl von Aktien auszuüben. Zum Beispiel kann ein Arbeitgeber am Tag der Gewährung 1.000 Aktien gewähren, aber ein Jahr ab diesem Zeitpunkt werden 200 Aktien ausgeübt (der Arbeitnehmer erhält das Recht, 200 der ursprünglich gewährten 1.000 Aktien auszuüben). Im darauf folgenden Jahr werden weitere 200 Aktien ausgegeben, und so weiter. Dem Wartezeitplan folgt ein Ablaufdatum. Zu diesem Zeitpunkt behält sich der Arbeitgeber nicht mehr das Recht vor, seinen Mitarbeiter nach den Bedingungen des Vertrages zu erwerben. Eine Mitarbeiteraktienoption wird zu einem bestimmten Kurs, dem sogenannten Ausübungspreis, gewährt. Es ist der Preis pro Aktie, die ein Mitarbeiter zahlen muss, um seine Optionen auszuüben. Der Ausübungspreis ist wichtig, da er zur Ermittlung des Gewinns (sog. Schnäppchenelement) und der im Vertrag zu zahlenden Steuer verwendet wird. Das Handelselement wird durch Subtrahieren des Ausübungspreises vom Börsenkurs des Aktienbestands am Tag der Ausübung der Option berechnet. Besteuerung Arbeitnehmer Aktienoptionen Die Internal Revenue Code hat auch eine Reihe von Regeln, die ein Eigentümer gehorchen muss, um zu vermeiden zahlen hefty Steuern auf seine oder ihre Verträge. Die Besteuerung von Aktienoptionsverträgen hängt von der Art der Option ab. Für nicht qualifizierte Aktienoptionen (NSO): Der Zuschuss ist kein steuerpflichtiges Ereignis. Die Besteuerung beginnt zum Zeitpunkt der Ausübung. Das Handelselement einer nicht qualifizierten Aktienoption gilt als Entschädigung und wird mit den ordentlichen Ertragsteuersätzen besteuert. Zum Beispiel, wenn einem Mitarbeiter 100 Aktien der Aktie A zu einem Ausübungspreis von 25 gewährt wird, beträgt der Marktwert der Aktie zum Zeitpunkt der Ausübung 50. Das Handelsteil des Vertrages ist (50 - 25) x 1002.500 . Beachten Sie, dass wir davon ausgehen, dass diese Aktien 100 Aktien sind. Durch den Verkauf der Sicherheit wird ein weiteres steuerpflichtiges Ereignis ausgelöst. Wenn der Mitarbeiter beschließt, die Aktien unverzüglich (oder weniger als ein Jahr ab Ausübung) zu veräußern, wird die Transaktion als kurzfristiger Kapitalgewinn (oder Verlust) ausgewiesen und unterliegt der Steuer unter normalen Einkommensteuersätzen. Wenn der Mitarbeiter beschließt, die Aktien ein Jahr nach der Ausübung zu verkaufen, wird der Verkauf als langfristiger Kapitalgewinn (oder Verlust) ausgewiesen und die Steuer wird gekürzt. Incentive-Aktienoptionen (ISO) erhalten besondere steuerliche Behandlung: Der Zuschuss ist kein steuerpflichtiges Geschäft. Es werden keine steuerpflichtigen Ereignisse bei der Ausübung gemeldet, das Handelsteil einer Anreizaktienoption kann jedoch eine alternative Mindeststeuer (AMT) auslösen. Das erste steuerpflichtige Ereignis tritt beim Verkauf ein. Werden die Aktien unmittelbar nach ihrer Ausübung veräußert, wird das Handelselement als ordentliches Einkommen behandelt. Der Gewinn aus dem Vertrag wird als langfristiger Kapitalgewinn behandelt, wenn folgende Regel eingehalten wird: Die Aktien müssen für 12 Monate nach Ausübung gehalten werden und sollten nicht bis zwei Jahre nach dem Tag der Gewährung verkauft werden. Nehmen wir zum Beispiel an, dass Aktien A am 1. Januar 2007 gewährt wird (100 unverfallbar). Der Vorstand übt die Optionen am 1. Juni 2008 aus. Sollte er oder sie den Gewinn aus dem Vertrag als langfristigen Kapitalgewinn melden wollen, kann die Aktie nicht vor dem 1. Juni 2009 verkauft werden. Sonstige Überlegungen Obwohl der Zeitpunkt einer Aktie Option Strategie ist wichtig, es gibt andere Überlegungen zu machen. Ein weiterer Schwerpunkt der Aktienoptionsplanung ist die Auswirkung dieser Instrumente auf die Vermögensallokation. Damit ein Investmentplan erfolgreich sein kann, müssen die Vermögenswerte angemessen diversifiziert werden. Ein Mitarbeiter sollte vorsichtig sein, konzentrierte Positionen auf jedem Unternehmen Lager. Die meisten Finanzberater schlagen vor, dass Unternehmensbestände 20 (höchstens) des gesamten Investitionsplans darstellen sollten. Während Sie sich wohl fühlen, investieren einen größeren Prozentsatz Ihres Portfolios in Ihrem eigenen Unternehmen, seine einfach sicherer zu diversifizieren. Konsultieren Sie einen Finanz - und Steuerfachmann, um den besten Ausführungsplan für Ihr Portfolio zu ermitteln. Bottom Line Konzeptionell sind Optionen eine attraktive Zahlungsmethode. Welchen besseren Weg, um Mitarbeiter zu ermutigen, am Wachstum eines Unternehmens teilzunehmen, als indem sie ihnen ein Stück des Kuchens anbieten In der Praxis können jedoch Erlösung und Besteuerung dieser Instrumente ziemlich kompliziert sein. Die meisten Mitarbeiter verstehen nicht die steuerlichen Auswirkungen der Besitz und Ausübung ihrer Optionen. Infolgedessen können sie stark durch Uncle Sam bestraft werden und häufig verpassen einiges des Geldes, das durch diese Verträge erzeugt wird. Denken Sie daran, dass der Verkauf Ihrer Mitarbeiter Aktie sofort nach der Ausübung induzieren die höhere kurzfristige Kapitalertragsteuer. Warten, bis der Verkauf qualifiziert sich für die geringere langfristige Kapitalertragsteuer können Sie sparen Hunderte oder sogar Tausende. Ten Steuer-Tipps für Aktienoptionen Wenn Ihr Unternehmen bietet Ihnen eingeschränkten Aktien, Aktienoptionen oder bestimmte andere Anreize, zuhören. Es gibt riesige potenzielle Steuerfallen. Aber es gibt auch einige große Steuervorteile, wenn Sie Ihre Karten richtig spielen. Die meisten Unternehmen bieten einige (zumindest allgemeine) Steuerberatung den Teilnehmern über das, was sie sollten und sollten nicht tun, aber es ist selten genug. Es gibt eine überraschende Menge an Verwirrung über diese Pläne und ihre steuerlichen Auswirkungen (sowohl sofort als auch auf der Straße). Hier sind 10 Dinge, die Sie wissen sollten, wenn Aktienoptionen oder Zuschüsse sind Teil Ihrer Pay-Paket. 1. Es gibt zwei Arten von Aktienoptionen. Es gibt Anreize Aktienoptionen (oder ISOs) und nicht-qualifizierte Aktienoptionen (oder NSOs). Einige Mitarbeiter erhalten beides. Ihr Plan (und Ihre Option Gewährung) wird Ihnen sagen, welche Art Sie erhalten. ISOs werden am günstigsten bezahlt. Es gibt grundsätzlich keine Steuern zum Zeitpunkt der Gewährung und keine reguläre Steuer zum Zeitpunkt der Ausübung. Danach, wenn Sie Ihre Aktien verkaufen, werden Sie Steuern zahlen, hoffentlich als langfristige Kapitalgewinn. Die übliche Veräußerungsgewinnbeteiligungsperiode beträgt ein Jahr, für die Erlangung einer Kapitalertragsbearbeitung für Aktien, die über ISOs erworben wurden, müssen Sie a) die Aktien länger als ein Jahr halten, nachdem Sie die Optionen ausgeübt haben und (b) die Anteile mindestens verkaufen Zwei Jahre nach Erteilung der ISOs. Die letztere, zweijährige Regel fängt viele Menschen nicht bewusst. 2. ISOs tragen eine AMT-Falle. Wie ich oben erwähnt, wenn Sie eine ISO ausüben Sie zahlen keine regelmäßige Steuer. Das könnte Sie aus dem Kongress und die IRS haben Sie eine kleine Überraschung für Sie: die alternative Mindeststeuer. Viele Menschen sind schockiert zu finden, dass, obwohl ihre Ausübung einer ISO keine regelmäßige Steuer auslöst, kann es AMT auslösen. Beachten Sie, dass Sie nicht generieren Bargeld, wenn Sie ISOs ausüben, so müssen Sie mit anderen Mitteln, um die AMT bezahlen oder ordnen, um genügend Vorrat an Zeit der Ausübung zu zahlen, die AMT zu verkaufen. Beispiel: Sie erhalten ISOs zum Kauf von 100 Aktien zum aktuellen Marktpreis von 10 pro Aktie. Zwei Jahre später, wenn Aktien im Wert von 20, Sie ausüben, zahlen 10. Die 10 Spreizung zwischen Ihrem Ausübungspreis und der 20 Wert unterliegt AMT. Wie viel AMT Sie zahlen, hängt von Ihrem anderen Einkommen und Abzüge, aber es könnte ein flacher 28 AMT-Satz auf der 10-Spread oder 2,80 pro Aktie sein. Später, es Sie verkaufen die Aktie mit einem Gewinn, können Sie in der Lage sein, die AMT zu erholen, was als AMT-Kredit bekannt ist. Aber manchmal, wenn der Bestand abstürzt, bevor Sie verkaufen, könnten Sie stecken zahlen eine große Steuerrechnung auf Phantom Einkommen. Das ist, was passiert, dass die Mitarbeiter von der Dot-Com-Büste von 2000 und 2001 getroffen. Im Jahr 2008 Kongress verabschiedete eine besondere Bestimmung, um diese Arbeiter zu helfen. (Für mehr darüber, wie zu behaupten, dass Erleichterung, klicken Sie hier.) Aber nicht auf Kongress zählen, dass wieder zu zählen. Wenn Sie ISOs ausüben, müssen Sie ordnungsgemäß für die Steuer planen. 3. Führungskräfte erhalten nichtqualifizierte Optionen. Wenn Sie eine Führungskraft sind, werden Sie eher alle (oder zumindest die meisten) Ihrer Optionen als nicht qualifizierte Optionen erhalten. Sie sind nicht so günstig wie ISOs besteuert, aber zumindest gibt es keine AMT-Falle. Wie bei ISOs gibt es keine Steuern zum Zeitpunkt der Gewährung der Option. Aber, wenn Sie eine nichtqualifizierte Option ausüben, schulden Sie die gewöhnliche Einkommensteuer (und, wenn Sie ein Angestellter sind, Medicare und andere Lohnsteuer) auf die Differenz zwischen Ihrem Preis und dem Marktwert. Beispiel: Sie erhalten eine Option, um Aktien zu 5 pro Aktie zu kaufen, wenn die Aktie mit 5 gehandelt wird. Zwei Jahre später trainieren Sie, wenn die Aktie mit 10 je Aktie gehandelt wird. Sie zahlen 5, wenn Sie trainieren, aber der Wert zu diesem Zeitpunkt ist 10, so haben Sie 5 der Entschädigung Einkommen. Dann, wenn Sie halten die Aktie für mehr als ein Jahr und verkaufen, sollte jeder Verkaufspreis über 10 (Ihre neue Basis) langfristigen Kapitalgewinn sein. Ausübung Optionen nimmt Geld, und erzeugt Steuer zu booten. Das ist, warum viele Leute Ausübung Optionen auf Aktien zu kaufen und verkaufen diese Aktien am selben Tag. Einige Pläne erlauben sogar eine bargeldlose Übung. 4. Restricted Stock bedeutet normalerweise verzögerte Steuer. Wenn Sie von Ihrem Arbeitgeber eine Bestandsaufnahme (oder eine andere Eigenschaft) erhalten, wenn die Bedingungen erfüllt sind (z. B. müssen Sie für zwei Jahre bleiben, um es zu erhalten oder zu behalten), gelten besondere Bestimmungen des Sondervermögens gemäß Abschnitt 83 des Internal Revenue Code. Die Bestimmungen des § 83 in Verbindung mit den Optionen auf Aktienoptionen machen viel Verwirrung aus. Erstens betrachten wir reine beschränkte Eigenschaft. Als Karotte, um mit der Firma zu bleiben, sagt Ihr Arbeitgeber, wenn Sie mit der Firma für 36 Monate bleiben, werden Sie 50.000 Wert von Aktien vergeben werden. Sie müssen nicht alles für die Aktie bezahlen, aber es wird Ihnen im Zusammenhang mit der Durchführung von Dienstleistungen gegeben. Sie haben kein zu versteuerndes Einkommen, bis Sie die Aktie erhalten. In der Tat wartet die IRS 36 Monate zu sehen, was passieren wird. Wenn Sie die Aktie erhalten, haben Sie 50.000 Einkommen (oder mehr oder weniger, je nachdem, wie diese Aktien in der Zwischenzeit getan haben). Das Einkommen wird als Löhne besteuert. 5. Die IRS wird nicht ewig warten. Mit Einschränkungen, die mit der Zeit verfallen wird, wartet die IRS immer zu sehen, was passiert, bevor es zu besteuern. Doch einige Einschränkungen werden niemals verfallen. Mit solchen nicht-stürzen Einschränkungen, die IRS-Werte der Eigenschaft vorbehaltlich dieser Einschränkungen. Beispiel: Ihr Arbeitgeber verspricht Ihnen Lager, wenn Sie 18 Monate bei der Firma bleiben. Wenn Sie die Aktie erhalten, unterliegt sie einer ständigen Beschränkung unter einem Firmenkaufvertrag, die Aktien für 20 pro Aktie weiterzuverkaufen, wenn Sie jemals verlassen, die Unternehmen beschäftigen. Die IRS wird warten und sehen (keine Steuern) für die ersten 18 Monate. Zu diesem Zeitpunkt werden Sie auf den Wert besteuert werden, die voraussichtlich 20 bei der Wiederverkaufsbeschränkung werden. 6. Sie können beschließen, früher besteuert zu werden. Die eingeschränkten Eigentumsregeln verabschieden in der Regel einen abwartenden Ansatz für Einschränkungen, die schließlich verfallen werden. Dennoch können Sie unter dem, was als 83 (b) Wahl bekannt ist, wählen Sie den Wert der Immobilie in Ihrem Einkommen früher (in Wirklichkeit ohne Berücksichtigung der Beschränkungen) enthalten. Es könnte klingen, intuitiv zu wählen, um etwas auf Ihre Steuererklärung enthalten, bevor es erforderlich ist. Dennoch ist das Spiel hier zu versuchen, es in Einkommen zu einem niedrigen Wert, Verriegelung in Zukunft Kapital Gewinn Behandlung für zukünftige Wertschätzung. Um aktuelle Steuern zu wählen, müssen Sie eine schriftliche 83 (b) Wahl mit der IRS innerhalb von 30 Tagen nach Erhalt der Eigenschaft. Sie müssen über die Wahl des Wertes, was Sie als Entschädigung (die möglicherweise klein oder sogar Null) zu erhalten. Dann müssen Sie eine weitere Kopie der Wahl an Ihre Steuererklärung. Beispiel: Sie werden von Ihrem Arbeitgeber mit 5 pro Aktie angeboten, wenn die Aktien 5 Jahre alt sind, aber Sie müssen zwei Jahre bei der Firma bleiben, um sie verkaufen zu können. Sie haben bereits einen fairen Marktwert für die Aktien bezahlt. Das bedeutet, dass die Einreichung einer 83 (b) Wahl kein Einkommen erzielen könnte. Doch durch die Einreichung, konvertieren Sie, was wäre künftige gewöhnliche Einkommen in Kapitalgewinn. Wenn Sie die Aktien mehr als ein Jahr später verkaufen, werden Sie froh, dass Sie die Wahl eingereicht. 7. Beschränkungen Optionen Verwirrung. Als ob die eingeschränkten Eigentumsregeln und Aktienoptionsregeln jeweils nicht kompliziert genug waren, müssen Sie manchmal mit beiden Regelungen fertig werden. Sie können z. B. Aktienoptionen (ISOs oder NSOs) erhalten, die Ihre Rechte beschränken, wenn Sie im Unternehmen wohnen. Die IRS im Allgemeinen wartet, um zu sehen, was passiert in einem solchen Fall. Sie müssen zwei Jahre warten, bis Ihre Optionen zur Weste, so theres keine Steuern bis zu diesem Zeitpunkt der Ausübung. Dann übernehmen die Aktienoptionsregeln. Zu diesem Zeitpunkt würden Sie Steuern nach ISO oder NSO Regeln bezahlen. Es sind sogar 83 (b) Wahlen für Ausgleichsoptionen möglich. 8. Youll Notwendigkeitsaußenhilfe. Die meisten Unternehmen versuchen, eine gute Arbeit der Suche nach Ihren Interessen zu tun. Schließlich werden Aktienoptionspläne verabschiedet, um Loyalität zu erzeugen und Anreize zu schaffen. Dennoch wird es in der Regel zahlen, um einen professionellen zu helfen, Sie mit diesen Plänen beschäftigen. Die Steuerregeln sind kompliziert, und Sie können eine Mischung aus ISOs, NSOs, Restricted Stock und mehr haben. Unternehmen manchmal bieten personalisierte Steuer-und Finanzplanung Beratung zu Top-Führungskräfte wie ein Vorteil, aber selten bieten sie diese für alle. 9. Lesen Sie Ihre Dokumente Im immer überrascht, wie viele Kunden suchen Führung über die Arten von Optionen oder beschränkten Aktien sie vergeben wurden, die nicht ihre Dokumente haben oder havent lesen. Wenn Sie außerhalb der Führung suchen, youll wollen Kopien aller Papierkram zu Ihrem Berater zur Verfügung stellen. Diese Papiere sollten die Unternehmen Planunterlagen, alle Vereinbarungen, die Sie unterzeichnet haben, die in irgendeiner Weise auf die Optionen oder beschränkte Aktien und alle Zuschüsse oder Auszeichnungen beziehen. Wenn Sie tatsächlich Zertifikate erhalten, stellen Sie Kopien von denen, auch. Natürlich Id empfehlen, lesen Sie Ihre Dokumente selbst zuerst. Sie können feststellen, dass einige oder alle Ihre Fragen durch die Materialien, die Sie erhalten haben, beantwortet werden. 10. Vorsicht vor dem gefürchteten Abschnitt 409A. Schließlich hüten Sie sich vor einem bestimmten Abschnitt des Internal Revenue Code, 409A, der im Jahr 2004 verabschiedet wurde. Nach einer Periode der Verwirrung der Übergangsregelung regelt er nun viele Aspekte der deferred Compensation Programme. Jedes Mal, wenn Sie einen Verweis auf Abschnitt 409A für einen Plan oder ein Programm zu sehen, erhalten Sie einige Hilfe. Für mehr auf 409A, klicken Sie hier. Robert W. Wood ist ein Steuerberater mit bundesweiter Praxis. Der Autor von mehr als 30 Bücher einschließlich Besteuerung von Damage Awards amp Settlement Zahlungen (4. Auflage 2009) kann er bei woodwoodporter erreicht werden. Diese Diskussion ist nicht als Rechtsberatung beabsichtigt und kann nicht für irgendeinen Zweck ohne die Dienste eines qualifizierten Professional. Tax Konsequenzen der Stock Option Backdating Stock Option Backdating hat sich in einem großen Unternehmenskandal, die möglicherweise Hunderte von öffentlich-Unternehmen, Und kann sogar verbergen Äpfel-Symbol, Steve Jobs. Während der Schwerpunkt der Securities and Exchange Commission (SEC) auf unsachgemäße Buchführung Praktiken und Offenlegungen und damit gegen die Wertpapiere Gesetze, eine große, aber wenig erforschte Konsequenz des Skandals auf potenziell belastende Steuern auf diejenigen, die diese Optionen erhielt konzentriert. Grundsätzlich ist eine Aktienoption ein Vertragsrecht, eine Aktie zu einem festgelegten Preis für einen bestimmten Zeitraum zu erwerben. Wenn beispielsweise eine Aktie 10 Aktie wert ist, kann eine Aktienoption einem Optionsinhaber das Recht einräumen, 1000 Aktien zu 10 Aktie für einen Zeitraum von 5 Jahren zu erwerben. Wenn die Aktie auf 11 pro Aktie steigt, kann der Inhaber die Option ausüben, 10share bezahlen, um die Aktie zu erwerben, dann umzutauschen und für 11share zu verkaufen, was 1 Share im Gewinn (insgesamt 1.000) verdient. Wenn die Aktie unter 10 Aktien fallen würde, wäre die Aktie unter Wasser, daher würde die Option nicht ausgeübt, da der Aktienkurs niedriger ist als die Kosten für die Ausübung der Option. Varianten von Backdating-Optionen Im Gegensatz zu den missbräuchlichen Körperschaftssteuer-Unterschlupf ploys, die oft komplexe Manipulation einer Transaktion, um steuerliche Ergebnisse, die mit der wirtschaftlichen Realität des Deal nicht zu erreichen sind, ist Aktienoption Backdating ein relativ rohes Gerät: Ein Unternehmen verändert nur das Datum, Wurde eine Aktienoption tatsächlich früher gewährt, als der Aktienkurs niedriger war. So wird die Option in das Geld, was bedeutet, es gab einen eingebauten Gewinn auf die zugrunde liegende Aktie, am Tag der Gewährung. In einigen Fällen wurde der Zeitpunkt der Ausübung und nicht der Zeitpunkt der Gewährung zu einem früheren Zeitpunkt geändert, um die ordentlichen Erträge in Kapitalerträge umzuwandeln. Im Allgemeinen wählten Unternehmen, die in einem klassischen Backdating-Geschäft tätig sind, ein Datum, an dem der Aktienkurs an einem Tiefpunkt war, und wählten dieses günstige Datum als Zuschusstermin. Einige Unternehmen setzen das Stichtagstermin an der tiefsten Stelle innerhalb eines 30-Tage-Fensters, das mit dem tatsächlichen Stichtag endet, wodurch praktisch eine untere Marktpreisoption garantiert wird. In anderen Situationen, wenn ein Unternehmen glaubt, seine Aktie würde dramatisch an Wert auf der Grundlage einer zukünftigen Veranstaltung, Optionen werden kurz vor dem günstigen Ereignis gewährt. Dies nennt man Spring-Loading der Aktienoptionen. Eine andere Art von Backdating tritt auf, wenn das Unternehmen schlechte Nachrichten bekannt geben, die vorübergehend seinen Aktienkurs drücken könnte. Das Unternehmen wartet, bis die Aktie sinkt, dann gibt die Optionen an einem Tiefpunkt in den Aktienkurs. Diese Praxis heißt bullet-dodging. Um zu veranschaulichen, die Wirkung von Backdating-Optionen, betrachten Mike, die einen Job als CEO der Acme Corporation, eine öffentliche Gesellschaft angeboten wird, am 1. September, wenn Acmes Lager ist 20share. Als Teil seiner Entschädigung wird Mike ein Gehalt von 1.000.000 und 1.000.000 Aktienoptionen angeboten, die sofort bekleiden werden. Der Board of Directors genehmigt die Vergütung am 1. November, wenn Acmes Lager ist 30share. Hinweis: Das Stichtagsdatum der Aktienoption ist in der Regel das Datum, an dem das Board den Zuschuss genehmigt hat. Durch die Rückdatierung des Stichtags bis zu dem Tag, an dem Mike die Aktienoptionen (1. September) angeboten wurde, wird der Optionspreis auf 20 Share gesenkt, und Mike erhält einen Gewinnzuwachs aus dem Spread zwischen dem Ausübungspreis und dem Marktwert der Aktie Aktien von 10share oder 10.000.000. Unter der Annahme, dass Acme die Aktienoptionen bis zum 1. September zurückdatiert hat, was sind die steuerlichen Konsequenzen für Mike und das Unternehmen IRC Sec. 162 (m) besagt, dass eine Körperschaft des öffentlichen Rechts einen Steuerabzug für eine Entschädigung, die an ihren CEO und ihre vier anderen höchst bezahlten Führungskräfte gezahlt wird, verlangen kann, aber nur, wenn strenge Anforderungen erfüllt sind. Das gezahlte Gehalt darf nicht mehr als 1.000.000, ohne erfolgsorientierte Vergütung, wie Aktienoptionen, übersteigen, sofern der Ausübungspreis am Tag der Gewährung dem Marktwert entspricht oder diesen übersteigt. In unserem Beispiel, IRC Sec. 162 (m) wurde verletzt, da Mike erhielt Aktienoptionen zu einem Ausübungspreis von 20share, wenn Acmes Aktie wert war 30share. Daher kann Acme nicht abziehen Mikes Entschädigung über die 1.000.000 Gehalt, die eine Anpassung der Einnahmen von 10.000.000 verursachen könnte. Außerdem hat Mike gewöhnliches Einkommen am Tag der Ausübung der Optionen und könnte viel strengeren Regeln unter IRC Sec.409A stattdessen unterliegen (siehe unten). IRC Sek. 409A, wurde nach dem Enron-Skandal verabschiedet und zielt auf aufgeschobene Entschädigungssysteme, einschließlich in-the-money-Optionen, die vor Oktober 2004 gewährt wurden und nach dem 31. Dezember 2004 ausübbar sind. 409A gilt, wird Mike auf der Spread (10.000.000) an der Zeit besteuert seine Aktienoptionen, nicht, wenn er sie ausübt. In unserem Beispiel, Mikes Optionen unverfallbar sofort, so schuldete er 10.000.000 in ordentlichen Einkommen zu dem Zeitpunkt erhielt er die Aktie gewähren. Aber das ist nicht alles. Verstoß gegen IRC Sec. 409A zusätzlich zu der unmittelbaren Einkommenssteuer, zuzüglich Zinsen (derzeit etwa 9 pro Jahr plus eine 1-prozentige Zinsstrafe) und eine potenzielle Genauigkeitsstrafe von zusätzlich 20 Hinweis: IRS hat eine neue Initiative (IR 2007-30) ermöglicht es den Arbeitgebern, die zusätzlichen Steuern zu zahlen, die durch Mitarbeiter im Rang - und Aktenbereich entstanden sind, die durch die Rückvergütung von Aktienoptionen im Jahr 2006 verursacht wurden. IRS beabsichtigt, Compliance-Belastungen für Mitarbeiter, die keine Unternehmensinsider sind, bei der Erhebung der zusätzlichen Steuern zu minimieren während. Im Rahmen der IRS-Initiative werden die Arbeitgeber nicht die zusätzlichen Steuern auf die Mitarbeiter W-2 melden und der Arbeitnehmer ist nicht verpflichtet, die zusätzlichen Steuern zu zahlen. Die Arbeitgeber müssen bis zum 28. Februar 2007 eine Absichtserklärung zur Teilnahme am Programm vorlegen. (Überprüfen, ob die Initiative verlängert wurde). Wenn eine Anreizaktienoption (ISO) nach IRC Sec. 422 erhebt der Arbeitnehmer keine Steuern ab dem Tag der Gewährung oder Ausübung, obwohl er nach der Ausübung der Option der alternativen Mindeststeuer auf den Spread unterliegt. Wenn der Mitarbeiter die Aktie für mindestens ein Jahr nach dem Zeitpunkt der Ausübung und zwei Jahre nach dem Tag der Gewährung hält, hat er Anspruch auf den föderalen langfristigen Kapitalertragssteuersatz von 15 auf der Spread. In-the-money Optionen, jedoch gegen die ISO-Regeln unter IRC Sec. 422, was bedeutet, dass die Aktienoptionen am Tag der Ausübung als ordentliches Einkommen besteuert wurden und der Arbeitgeber verpflichtet ist, Einkommen - und Lohnsteuern auf die vom Arbeitnehmer erhaltenen Einkünfte zurückzuhalten, einschließlich der anwendbaren Sanktionen für die Unterlassung. Eine weitere Variante des Aktienoptions-Backdating-Schemas ist aufgetaucht. Anstelle der bloßen Rückvergütung des Erteilungsdatums, um einen niedrigeren Ausübungspreis zu erzielen, hat die SEC begonnen, zu untersuchen, ob Führungskräfte das Ausübungstag zurückdatiert haben. Es gibt zwei mögliche Steuervorteile in diesem System: Erstens, je früher der Zeitpunkt der Ausübung, desto eher wird die 12-Monats-Zeitraum für die günstigen 15 langfristigen Kapitalertragsrate erreicht werden. Darüber hinaus, durch die Wahl eines Ausübungstag, in dem die Aktie einen niedrigen Wert hatte, wandelt die Exekutive potenzielle gewöhnliche Erträge in Kapitalgewinne um. Heres how: Szenario eins: Angenommen, Mike erhält 100.000 Optionen am 1. Januar 2006 mit einem Ausübungspreis von 20share und übt sie am 1. Juli 2006 aus, wenn die Aktie 50share wert ist. Mike hat 3.000.000 gewöhnliches Einkommen am Tag der übung (100.000 x die Verbreitung von 30share). Szenario 2: Wenn Acme das Datum der Ausübung bis zum 1. Januar zurückdatiert, wenn die Aktie 25 Share wert war, wird das ordentliche Einkommen von Mikes auf 500.000 gesenkt, da die Ausbreitung nun nur 5share beträgt. Nehmen wir an, dass am 2. Januar des folgenden Jahres Acmes Aktien 55share wert ist, und Mike verkauft die Aktie. Szenario 1: Mike wird Steuern in Höhe von 3.000.000 ordentlichen Einkünften (besteuert auf maximal 35 Bundesländer) bezahlt haben und im Folgejahr 500.000 kurzfristige Kapitalgewinne haben (besteuert mit normalen Einkommenszinsen), da sich die Aktie seit dem 10 Das Datum der Ausübung (100.000 x 5share 500.000). Szenario 2: Mike wird 500.000 ordentliches Einkommen haben, erhält aber 3.500.000 an langfristigen Kapitalertragszinsen besteuert, da er die Aktie mehr als 12 Monate ab dem Datum der Optionen verkauft hat. Die Lektion: Backdating der Zeitpunkt der Ausübung, anstatt das Datum der Gewährung, bietet dem Arbeitnehmer eine doppelte Steuer-Vorteil und nicht im Einklang mit IRC Secs. 162 (m), 409A oder die ISO-Regeln gemäß IRC Sec. 422, da diese Codebestimmungen in-the-money Optionen am Tag der Gewährung, nicht Ausübung. Die Aktienoption Backdating Skandal zeigt keine Anzeichen für eine Abschwächung und die neu entdeckte Rückzahlung des Datums der Ausübung kann Corporate American ein weiteres Schwarz-Auge geben. Erwarten IRS zu aggressiv verfolgen dieses Betrug, da es sich um Steuerbetrug und Ausweichen, rein und einfach, und ist relativ einfach zu beweisen.

Berechnung Der Gleitenden Mittelwertmethode

Moving Average Dieses Beispiel lehrt, wie Sie den gleitenden Durchschnitt einer Zeitreihe in Excel berechnen. Ein gleitender Durchschnitt wird verwendet, um Unregelmäßigkeiten (Spitzen und Täler) zu glätten, um Trends leicht zu erkennen. 1. Erstens, werfen wir einen Blick auf unsere Zeitreihe. 2. Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis: Klicken Sie hier, um das Analyse-ToolPak-Add-In zu laden. 3. Wählen Sie Verschiebender Durchschnitt aus, und klicken Sie auf OK. 4. Klicken Sie im Feld Eingabebereich auf den Bereich B2: M2. 5. Klicken Sie in das Feld Intervall und geben Sie 6 ein. 6. Klicken Sie in das Feld Ausgabebereich und wählen Sie Zelle B3 aus. 8. Zeichnen Sie ein Diagramm dieser Werte. Erläuterung: Da wir das Intervall auf 6 setzen, ist der gleitende Durchschnitt der Durchschnitt der vorherigen 5 Datenpunkte und der aktuelle Datenpunkt. Als Ergebnis werden Spitzen und Täler geglättet. Die Grafik zeigt eine zunehmende Tendenz. Excel kann den gleitenden Durchschnitt für die ersten 5 Datenpunkte nicht berechnen, da nicht genügend frühere Datenpunkte vorhanden sind. 9. Wiederholen Sie die Schritte 2 bis 8 für Intervall 2 und Intervall 4. Fazit: Je größer das Intervall, desto mehr werden die Spitzen und Täler geglättet. Je kleiner das Intervall, desto näher sind die gleitenden Mittelwerte, um die tatsächlichen Datenpunkte. Moving Averages: Was sind sie Unter den beliebtesten technischen Indikatoren werden gleitende Mittelwerte verwendet, um die Richtung der aktuellen Trend zu messen. Jede Art von gleitendem Durchschnitt (gemeinhin in diesem Tutorial als MA geschrieben) ist ein mathematisches Ergebnis, das durch Mittelung einer Anzahl von vergangenen Datenpunkten berechnet wird. Sobald es bestimmt ist, wird der daraus resultierende Mittelwert dann auf eine Tabelle aufgetragen, um es den Händlern zu ermöglichen, auf geglättete Daten zu schauen, anstatt sich auf die täglichen Preisschwankungen zu konzentrieren, die in allen Finanzmärkten inhärent sind. Die einfachste Form eines gleitenden Durchschnitts, der als einfacher gleitender Durchschnitt (SMA) bekannt ist, wird berechnet, indem das arithmetische Mittel eines gegebenen Satzes von Werten genommen wird. Um beispielsweise einen gleitenden 10-Tage-Durchschnitt zu berechnen, würden Sie die Schlusskurse der letzten 10 Tage addieren und dann das Ergebnis mit 10 teilen. In Abbildung 1 ist die Summe der Preise für die letzten 10 Tage (110) Geteilt durch die Anzahl von Tagen (10), um den 10-Tage-Durchschnitt zu erreichen. Wenn ein Trader einen 50-Tage-Durchschnitt sehen möchte, würde die gleiche Art der Berechnung gemacht, aber er würde auch die Preise in den letzten 50 Tagen enthalten. Der daraus resultierende Durchschnitt unter (11) berücksichtigt die letzten 10 Datenpunkte, um den Händlern eine Vorstellung davon zu geben, wie ein Vermögenswert im Verhältnis zu den vergangenen 10 Tagen bewertet wird. Vielleicht fragen Sie sich, warum technische Händler nennen dieses Tool einen gleitenden Durchschnitt und nicht nur ein normaler Durchschnitt. Die Antwort ist, dass, wenn neue Werte verfügbar werden, die ältesten Datenpunkte aus dem Satz fallen gelassen werden müssen und neue Datenpunkte hereinkommen müssen, um sie zu ersetzen. Somit bewegt sich der Datensatz ständig auf neue Daten, sobald er verfügbar ist. Diese Berechnungsmethode stellt sicher, dass nur die aktuellen Informationen berücksichtigt werden. Wenn in Fig. 2 der neue Wert von 5 zu dem Satz hinzugefügt wird, bewegt sich das rote Feld (das die letzten 10 Datenpunkte darstellt) nach rechts und der letzte Wert von 15 wird aus der Berechnung entfernt. Weil der relativ kleine Wert von 5 den hohen Wert von 15 ersetzt, würden Sie erwarten, dass der Durchschnitt des Datensatzabbaus zu sehen, was er tut, in diesem Fall von 11 bis 10. Wie sehen sich die gleitenden Mittelwerte aus? MA berechnet worden sind, werden sie auf ein Diagramm aufgetragen und dann verbunden, um eine gleitende mittlere Linie zu erzeugen. Diese Kurvenlinien sind auf den Diagrammen der technischen Händler üblich, aber wie sie verwendet werden, können drastisch variieren (mehr dazu später). Wie Sie in Abbildung 3 sehen können, ist es möglich, mehr als einen gleitenden Durchschnitt zu irgendeinem Diagramm hinzuzufügen, indem man die Anzahl der Zeitperioden, die in der Berechnung verwendet werden, anpasst. Diese kurvenreichen Linien scheinen vielleicht ablenkend oder verwirrend auf den ersten, aber youll wachsen Sie daran gewöhnt, wie die Zeit vergeht. Die rote Linie ist einfach der durchschnittliche Preis in den letzten 50 Tagen, während die blaue Linie der durchschnittliche Preis in den letzten 100 Tagen ist. Nun, da Sie verstehen, was ein gleitender Durchschnitt ist und wie es aussieht, stellen Sie auch eine andere Art von gleitenden Durchschnitt ein und untersuchen, wie es sich von der zuvor genannten einfachen gleitenden Durchschnitt unterscheidet. Die einfache gleitende Durchschnitt ist sehr beliebt bei den Händlern, aber wie alle technischen Indikatoren, hat es seine Kritiker. Viele Personen argumentieren, dass die Nützlichkeit der SMA begrenzt ist, da jeder Punkt in der Datenreihe gleich gewichtet wird, unabhängig davon, wo er in der Sequenz auftritt. Kritiker argumentieren, dass die neuesten Daten bedeutender sind als die älteren Daten und sollten einen größeren Einfluss auf das Endergebnis haben. Als Reaktion auf diese Kritik begannen die Händler, den jüngsten Daten mehr Gewicht zu verleihen, was seitdem zur Erfindung verschiedener Arten von neuen Durchschnittswerten geführt hat, wobei der populärste der exponentielle gleitende Durchschnitt (EMA) ist. (Für weitere Messwerte siehe Grundlagen der gewichteten gleitenden Mittelwerte und was ist der Unterschied zwischen einer SMA und einer EMA) Exponentieller gleitender Durchschnitt Der exponentielle gleitende Durchschnitt ist eine Art von gleitendem Durchschnitt, die den jüngsten Preisen mehr Gewicht verleiht, um sie reaktionsfähiger zu machen Zu neuen Informationen. Das Erlernen der etwas komplizierten Gleichung für die Berechnung einer EMA kann für viele Händler unnötig sein, da fast alle Kartierungspakete die Berechnungen für Sie durchführen. Jedoch für Sie Mathegeeks heraus dort, ist hier die EMA-Gleichung: Wenn Sie die Formel verwenden, um den ersten Punkt der EMA zu berechnen, können Sie feststellen, dass es keinen Wert gibt, der als das vorhergehende EMA benutzt werden kann. Dieses kleine Problem kann gelöst werden, indem man die Berechnung mit einem einfachen gleitenden Durchschnitt beginnt und mit der obigen Formel fortfährt. Wir haben Ihnen eine Beispielkalkulationstabelle zur Verfügung gestellt, die praktische Beispiele enthält, wie Sie sowohl einen einfachen gleitenden Durchschnitt als auch einen exponentiellen gleitenden Durchschnitt berechnen können. Der Unterschied zwischen der EMA und SMA Nun, da Sie ein besseres Verständnis haben, wie die SMA und die EMA berechnet werden, können wir einen Blick auf, wie diese Mittelwerte unterscheiden. Mit Blick auf die Berechnung der EMA, werden Sie feststellen, dass mehr Wert auf die jüngsten Datenpunkte gelegt wird, so dass es eine Art von gewichteten Durchschnitt. In Abbildung 5 sind die Anzahl der Zeitperioden, die in jedem Durchschnitt verwendet werden, identisch (15), aber die EMA reagiert schneller auf die sich ändernden Preise. Beachten Sie, wie die EMA einen höheren Wert hat, wenn der Preis steigt, und fällt schneller als die SMA, wenn der Preis sinkt. Diese Reaktionsfähigkeit ist der Hauptgrund, warum viele Händler es vorziehen, die EMA über die SMA zu verwenden. Was sind die verschiedenen Tage Durchschnittliche Mittelwerte sind eine völlig anpassbare Indikator, was bedeutet, dass der Benutzer frei wählen können, was Zeitrahmen sie bei der Schaffung der durchschnittlichen wollen. Die häufigsten Zeitabschnitte, die bei gleitenden Durchschnitten verwendet werden, sind 15, 20, 30, 50, 100 und 200 Tage. Je kürzer die Zeitspanne, die verwendet wird, um den Durchschnitt zu erzeugen, desto empfindlicher wird es für Preisänderungen sein. Je länger die Zeitspanne, desto weniger empfindlich, oder mehr geglättet, wird der Durchschnitt sein. Es gibt keinen richtigen Zeitrahmen für die Einrichtung Ihrer gleitenden Durchschnitte. Der beste Weg, um herauszufinden, welche am besten für Sie arbeitet, ist es, mit einer Reihe von verschiedenen Zeitperioden zu experimentieren, bis Sie eine finden, die zu Ihrer Strategie passt. Moving Averages: So verwenden Sie ThemHow zu berechnen, Moving Averages in Excel Excel-Datenanalyse für Dummies, 2nd Edition Der Data Analysis-Befehl bietet ein Werkzeug für die Berechnung der verschobenen und exponentiell geglätteten Mittelwerte in Excel. Nehmen Sie an, um zu veranschaulichen, dass Sie tägliche Temperaturinformationen gesammelt haben. Sie wollen den dreitägigen gleitenden Durchschnitt 8212 den Durchschnitt der letzten drei Tage 8212 als Teil einer einfachen Wettervorhersage berechnen. Gehen Sie folgendermaßen vor, um die gleitenden Mittelwerte für diesen Datensatz zu berechnen. Um einen gleitenden Durchschnitt zu berechnen, klicken Sie zuerst auf die Schaltfläche Data tab8217s Data Analysis. Wenn Excel das Dialogfeld Datenanalyse anzeigt, wählen Sie aus der Liste den Eintrag Moving Average aus, und klicken Sie dann auf OK. Excel zeigt das Dialogfeld "Gleitender Durchschnitt" an. Identifizieren Sie die Daten, die Sie verwenden möchten, um den gleitenden Durchschnitt zu berechnen. Klicken Sie im Dialogfeld "Gleitender Durchschnitt" in das Eingabebereichsfeld. Identifizieren Sie dann den Eingabebereich, indem Sie entweder eine Arbeitsbereichsadresse eingeben oder mit der Maus den Arbeitsbereich auswählen. Ihre Bereichsreferenz sollte absolute Zellenadressen verwenden. Eine absolute Zellenadresse steht vor dem Spaltennamen und der Zeilennummer mit Vorzeichen, wie in A1: A10. Wenn die erste Zelle in Ihrem Eingabebereich eine Textbeschriftung enthält, um Ihre Daten zu identifizieren oder zu beschreiben, aktivieren Sie das Kontrollkästchen Labels in First Row. Erklären Sie im Textfeld Interval, wie viele Werte in die gleitende Durchschnittsberechnung einbezogen werden sollen. Sie können einen gleitenden Durchschnitt mit einer beliebigen Anzahl von Werten berechnen. Standardmäßig verwendet Excel die letzten drei Werte, um den gleitenden Durchschnitt zu berechnen. Um festzulegen, dass eine andere Anzahl von Werten zur Berechnung des gleitenden Durchschnitts verwendet werden soll, geben Sie diesen Wert in das Textfeld Intervall ein. Sagen Sie Excel, wo die gleitenden Durchschnittsdaten platziert werden sollen. Verwenden Sie das Textfeld Ausgabebereich, um den Arbeitsblattbereich zu identifizieren, in dem Sie die gleitenden Durchschnittsdaten platzieren möchten. In dem Arbeitsblattbeispiel wurden die gleitenden Durchschnittsdaten in den Arbeitsblattbereich B2: B10 platziert. (Optional) Geben Sie an, ob ein Diagramm gewünscht wird. Wenn Sie ein Diagramm möchten, das die gleitenden Durchschnittsinformationen darstellt, aktivieren Sie das Kontrollkästchen "Diagrammausgabe". (Optional) Geben Sie an, ob Standardfehlerinformationen berechnet werden sollen. Wenn Sie Standardfehler für die Daten berechnen möchten, aktivieren Sie das Kontrollkästchen Standardfehler. Excel legt Standardfehlerwerte neben den gleitenden Mittelwerten fest. (Die Standardfehlerinformationen gehen zu C2: C10.) Nachdem Sie die Angabe, welche gleitenden durchschnittlichen Informationen Sie berechnen lassen möchten und wo Sie sie platzieren möchten, klicken Sie auf OK. Excel berechnet gleitende Durchschnittsinformationen. Hinweis: Wenn Excel doesn8217t über genügend Informationen verfügt, um einen gleitenden Durchschnitt für einen Standardfehler zu berechnen, legt er die Fehlermeldung in die Zelle. Sie können mehrere Zellen sehen, die diese Fehlermeldung als einen Wert anzeigen.

Cnbc Forex Schwerpunkt

KONSERVATIVER KANDIDAT FRANCOIS FILLON SEE EASILY BEATING MARINE LE PEN, WENN SIE IM ZWEITEN RUNDEN DER FRANZÖSISCHEN PRÄSIDENTIELLEN WAHLPOLLEN TREFFEN. PARIS, 12. Januar - Französisch konservativen Francois Fillon wird rechtsextreme Marktführer Marine Le Pen um 63 Prozent auf 37 Prozent schlagen, wenn sie Kopf-an-Kopf in einem Präsidentschaftswahl Abfluss im Mai treffen, zeigte eine Umfrage am Donnerstag. Die Abstimmung zeigte, dass er am 23. April um einen oder zwei Prozentpunkte in der ersten Runde startete. Die Beschwerde wird wahrscheinlich zu steigenden Handelsspannungen zwischen den Welten zwei größten Volkswirtschaften wie Präsidentenwahl Donald Trump bereitet vorzubereiten, das Amt nächste Woche mit Zusagen zur Verringerung der US-Handelsdefizite mit China als oberste Priorität. China hat seine Aluminiumproduktionskapazitäten in den letzten Jahren schnell erweitert und produziert derzeit mehr als die Hälfte. TOKYO, 12. Januar - Japans Top-Regierungssprecher sagte am Donnerstag, dass seine aktive Handelsinvestition in den Vereinigten Staaten war eine Quelle der Vitalität in der wirtschaftlichen Beziehung zwischen den beiden Nationen. Präsident-Wahl Donald Trump erwähnt Japan und anderen Ländern als mit großen Handels-Ungleichgewichte mit den Vereinigten Staaten. Suga sagte, dass die Regierung war. TOKYO, 12. Januar - Japans Top-Regierungssprecher sagte am Donnerstag, dass seine aktive Handelsinvestition in den Vereinigten Staaten war eine Quelle der Vitalität in der wirtschaftlichen Beziehung zwischen den beiden Nationen. Präsident-Wahl Donald Trump erwähnt Japan und anderen Ländern als mit großen Handels-Ungleichgewichte mit den Vereinigten Staaten. Suga sagte, dass die Regierung war. TOKYO, 12. Januar - Japans Top-Regierungssprecher sagte am Donnerstag, dass seine aktive Handelsinvestition in den Vereinigten Staaten war eine Quelle der Vitalität in der wirtschaftlichen Beziehung zwischen den beiden Nationen. Präsident-Wahl Donald Trump erwähnt Japan und anderen Ländern als mit großen Handels-Ungleichgewichte mit den Vereinigten Staaten. Suga sagte, dass die Regierung war. TOKYO, 12. Januar - Japans Top-Regierungssprecher sagte am Donnerstag, dass seine aktive Handelsinvestition in den Vereinigten Staaten war eine Quelle der Vitalität in der wirtschaftlichen Beziehung zwischen den beiden Nationen. Präsident-Wahl Donald Trump erwähnt Japan und anderen Ländern als mit großen Handels-Ungleichgewichte mit den Vereinigten Staaten. Suga sagte, dass die Regierung war. BEIJING, 12. Januar - China steht vor einer schwierigen und komplizierten Handelsaussichten in diesem Jahr mit großen Abwärtsdruck und wird alle Methoden versuchen, den Handel zu stabilisieren, sagte das Handelsministerium am Donnerstag. BEIJING, 12. Januar - Chinas Ministerium für Landwirtschaft sagte spät am Mittwoch, dass ein Vogelgrippe-Ausbruch, die Länder fünftens seit dem letzten Oktober, traf eine Gänsefarm in seiner südlichen Provinz Hunan und tötete 1.054 Vögel. Die örtliche Regierung hat nach dem Ausbruch weitere 2.067 Vögel geflutet, die vom Landwirtschaftsministerium unter Kontrolle gebracht worden waren. Jan 12 - Die United Continental Holdings Inc erwartet, einige Führungskräfte im Rahmen ihres größeren Restrukturierungsprogramms zu senken. Während wir nicht eine genaue Zahl jetzt haben, wird eine kleine Zahl unseres Managementteams durch Verkleinerungen betroffen sein, sagte Sprecherin Megan McCarthy in einer Aussage. Bloomberg früher berichtet die Besetzung Schnitte. SEOUL, 12. Januar - Südkorea sagte am Donnerstag hat es genehmigt Volkswagen-Plan, 27.000 Tiguan Sport Utility Vehicles zu beheben, um sicherzustellen, dass sie den Emissionsstandards entsprechen, nachdem zuvor Ablehnung der deutschen Autohersteller Vorschläge dreimal. Die Fahrzeuge aus zwei Tiguan-Varianten gehörten zu den 125.522 Fahrzeugen Südkoreas bestellt Volkswagen an. Dollar rutschte in Asien nach Trump nicht sprechen Stimulus. Asien teilt sich meistens fester als Wall Street Wetter Trump squall. SYDNEY, 12. Januar - Der US-Dollar pflegte weitverbreiteten Verluste am Donnerstag nach Präsidentenwahl Donald Trumps lang erwartete Nachrichtenbriefing zur Verfügung gestellt kaum Klarheit über die künftige Finanzpolitik und enttäuschte Stiere Wetten auf große Impulse. Nikkei hat 18 pct seit Nov. 9. gewonnen. Japans Nikkei Anteildurchschnitt fiel auf ein nahe zwei Wochen Tief am Donnerstag Morgen, nachdem präsident-gewähltes Donald Trump keine Klarheit über zukünftige Fiskalpolitik in einer hoch-erwarteten Presse zur Verfügung stellte Besprechung. Er versäumte zu liefern, was der Markt wollte für alle diese Wochen zu hören, sagte Hikaru Sato, ein Senior. LIMA, Peru Anti-Korruption Beamten fordern für Perus drei jüngsten Ex-Präsidenten zu bezeugen, im Zusammenhang mit angeblichen Bestechungsgelder von brasilianischen Baukonzern Odebrecht für aufgeblähte Verträge bezahlt, die Behörden sagen, das Andenland 283 Millionen kosten. Seine Kommentare kamen einen Tag nach einem älteren Anti-Korruption Beamten sagte, sie will. SYDNEY, 12. Januar - US Weizen hielt stationär am Donnerstag und verweilte in der Nähe einer einwöchigen niedrigen, da die Prognosen für crop-friendly Wetter weiterhin auf die Preise vor einem weithin beobachteten US-Department of Agriculture Bericht später in der Sitzung zu wiegen. Der aktivste Weizen-Futures-Kontrakt auf dem Chicago Board of Trade war wenig verändert bei 4,19 ein Scheffel, nach 1,9 geschlossen. WASHINGTON, 11. Januar: Die Obama-Regierung wird erwartet, eine Beschwerde gegen chinesische Aluminium-Subventionen mit der Welthandelsorganisation am Donnerstag starten, eine Person vertraut mit der Angelegenheit sagte. Die Beschwerde wird wahrscheinlich zu steigenden Handelsspannungen zwischen den Welten zwei größten Volkswirtschaften als Präsident-Wahl Donald Trump vorzubereiten, um das Amt. SYDNEY, 12. Januar - Shanghai Kupfer gehandelt flach am Donnerstag, während die meisten anderen Shanghai-Verträge fiel nach U. S. Chinas nationale Entwicklungs-und Reformkommission sagte, es habe 23 Festnetz-Investitionsprojekte im Wert von 1840000000 Yuan im Dezember genehmigt hatte. Präsidentenwahl Donald Trumps Kandidat für Sekretär des Staates einen Kurs für eine potenziell ernst. BEIJING, 12. Januar - Chinas Wirtschaft war in der Regel stabil zu Beginn des Jahres 2017, weiterhin ihre stabilisierende und gute Dynamik von der zweiten Hälfte des Jahres 2016, sagte Chinas Leiter der Wirtschaftsplanung am Donnerstag. Xu Shaoshi, Leiter der Nationalen Entwicklungs-und Reformkommission, sagte in einer Erklärung auf der Kommission, dass Chinas Wirtschaft steht noch vor einem. MEXIKO-STADT, 11. Januar Mexiko sagte am Mittwoch, es würde seine Beziehung zu den Vereinigten Staaten weit offen in Gesprächen mit der eingehenden Trump-Verwaltung, die Sicherheit, Migration und Handel auf den Tisch zu werfen, wie es einen größeren wirtschaftlichen Schock vermeiden will. Präsident Enrique Pena Nieto sagte, dass Mexiko eine breite Annäherung an die Herausforderung nehmen würde und suchte eine Regelung. SINGAPUR, 12. Januar - Die Ölpreise tauchten am Donnerstag auf der Rückseite der steigenden US-Rohölvorräte und zahlreicher Lieferungen auf, obwohl die Produktionskürzungen der OPEC und anderer Produzenten sanken. West Texas Intermediate Rohöl-Futures wurden bei 52,18 pro Barrel bei 0141 GMT, 7 Cent von ihrer letzten Siedlung gehandelt. Preise für Brent Rohöl Futures, die internationale Benchmark. Forex Trading FXCM Ein führender Forex Broker Was ist Forex Forex ist der Markt, wo alle Weltwährungen Handel. Der Forex-Markt ist der größte, liquideste Markt der Welt mit einem durchschnittlichen täglichen Handelsvolumen von mehr als 5,3 Billionen. Es gibt keinen zentralen Austausch, wie es über den Ladentisch. Forex-Handel ermöglicht es Ihnen, Währungen zu kaufen und zu verkaufen, ähnlich wie Aktienhandel, außer Sie können es tun, 24 Stunden am Tag, fünf Tage die Woche haben Sie Zugang zu Margin Handel, und Sie gewinnen die Exposition gegenüber internationalen Märkten. FXCM ist ein führendes Forex-Brokerage. Fair und Transparent Execution Seit 1999 hat FXCM die besten Online-Forex Trading Erfahrung auf dem Markt zu schaffen. Wir pionierten die No Dealing Desk Forex Ausführung Modell, die wettbewerbsfähige, transparente Ausführung für unsere Händler. Ausgezeichneter Kundenservice Mit erstklassiger Trading-Ausbildung und leistungsstarken Tools, führen wir Tausende von Händlern durch den Devisenmarkt, mit 247 Kundenservice. Entdecken Sie den FXCM Vorteil. Durchschnittliche Spreads: Zeitlich gewogene durchschnittliche Spreads werden aus handelbaren Kursen von FXCM ab 1. Juli 2016 bis 30. September 2016 abgeleitet. Die Spreads sind variabel und verzögert. Die gespreizten Zahlen dienen nur zu Informationszwecken. FXCM haftet nicht für Fehler, Auslassungen oder Verzögerungen oder für Handlungen, die sich auf diese Informationen stützen. Live Spreads Widget: Dynamische Live-Spreads sind die besten verfügbaren Preise von FXCMs No Dealing Desk Ausführung. Wenn statische Spreads angezeigt werden, handelt es sich bei den Zahlen um zeitgewichtete Durchschnittswerte, die ab dem 1. Juli 2016 bis 30. September 2016 von FXCM aus handelbaren Kursen abgeleitet werden. Die aufgeführten Spreads sind auf Provisionsbasiskonten von Standard und Active Trader verfügbar. Die Spreads sind variabel und verzögert. Die gespreizten Zahlen dienen nur zu Informationszwecken. FXCM haftet nicht für Fehler, Auslassungen oder Verzögerungen oder für Handlungen, die sich auf diese Informationen stützen. Mini-Konten: Mini-Konten bieten 21 Währungspaare und Standard-Dealing Desk Ausführung, wo Preis-Arbitrage-Strategien verboten sind. FXCM bestimmt nach eigenem Ermessen, was eine Preisarbitrage-Strategie umfasst. Mini-Konten bieten Spreads plus Mark-up-Preise. Die Spreads sind variabel und verzögert. Mini-Konten mit verbotenen Strategien oder mit Eigenkapital übertreffen 20.000 CCY kann auf No Dealing Desk Ausführung umgestellt werden. Siehe Ausführungsrisiken. Customer Service Launch-Software Beliebte Plattformen Über FXCM Forex-Konten Mehr Ressourcen Hochrisiko-Investition Warnung: Der Handel von Devisen und Kontrakten für Differenzen auf Margin trägt ein hohes Risiko und ist möglicherweise nicht für alle Anleger geeignet. Die Möglichkeit besteht, dass Sie einen Verlust über Ihre eingezahlten Gelder aufrechterhalten könnte und daher sollten Sie nicht mit Kapital spekulieren, die Sie sich nicht leisten können, zu verlieren. Bevor Sie sich für den Handel der Produkte von FXCM entscheiden, sollten Sie sorgfältig über Ihre Ziele, finanzielle Situation, Bedürfnisse und Niveau der Erfahrung. Sie sollten sich aller Risiken des Margin-Handels bewusst sein. FXCM bietet eine allgemeine Beratung, die nicht berücksichtigt Ihre Ziele, finanzielle Situation oder Bedürfnisse. Der Inhalt dieser Website darf nicht als persönlicher Rat verstanden werden. FXCM empfiehlt, sich von einem separaten Finanzberater zu beraten. Bitte klicken Sie hier, um die vollständige Risiko-Warnung zu lesen. FXCM ist eine registrierte Futures Commission Merchant und Retail Devisenhändler mit der Commodity Futures Trading Commission und ist Mitglied der National Futures Association. NFA 0308179 Forex Capital Markets, LLC (FXCM LLC) ist eine operative Tochtergesellschaft der FXCM-Unternehmensgruppe (gemeinsam die FXCM-Gruppe). Alle Referenzen auf dieser Website an FXCM beziehen sich auf die FXCM Gruppe. Bitte beachten Sie, dass die Informationen auf dieser Website nur für Einzelhandelskunden bestimmt sind und bestimmte Darstellungen hierin möglicherweise nicht auf Anspruchsberechtigte Vertragsteilnehmer (d. H. Institutionelle Kunden) im Sinne des Commodity Exchange Act, Abschnitt 1 (a) (12), anwendbar sind. Urheberrecht 2017 Forex Kapitalmärkte. Alle Rechte vorbehalten. 55 Wasser St. 50th Floor, New York, NY 10041 USA