Berechnen Sie Die Gleitenden Durchschnittskosten Am 1. September

A 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 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 bestimmten 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 - Angegebene Prozent über dem Vorjahres Diese Methode multipliziert Umsatzdaten aus dem Vorjahr von einem Benutzer angegebenen Faktor zum Beispiel 1,10 für eine 10-Erhöhung oder 0,97 für ein 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 3 Monate für das 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 ( 143,66925 137,4677 127,13178) / (114 119 137) 100 408,26873 / 370 100 110,3429 A.4.4 absolute Abweichung Berechnung MAD Mittelwert (127,13178-114 143,66925-119 137.4677- 137) / 3 (13,13178 24,66925 0,4677) / 3 12,75624 A.5 Methode 3 - Letztes Jahr zu diesem Jahr Mit dieser Methode werden die Verkaufsdaten des Vorjahres auf das nächste Jahr kopiert. 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 Vorhersage Februar: 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) / 3 133,3333 November 2005 Umsatz (140 131 114) / 3 128,3333 Dezember 2005 Umsatz (131 114 119) / 3 121,3333 A.6.3 Prozent der Genauigkeit Berechnung POA (133,3333 128,3333 121,3333) / (114 119 137) (- 114 128,3333-119 121,3333-137 133,3333) / 3 14,7777 A.7 Methode 5 - Lineare Näherung Lineare Näherung berechnet einen Trend auf zwei Verkaufshistorie Datenpunkte basierend 100 103,513 A.6.4 absolute Abweichung Berechnung MAD Mittelwert. 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 letzten drei Monate (114 119 137) / 3 123,3333 Zusammenfassung der letzten drei Monate mit Gewicht betrachtet (114 1) (119 2) (137 3) 763 Differenz zwischen den Werten 763-123,3333 (1 2 3) 23-Verhältnis (12 22 32) - 2 14. März - 2. Dezember value1 Difference / Verhältnis 23/2 11,5 value2 Mittelwert - value1 Verhältnis 123,3333-11,5 2 100,3333 Prognose (1 n) Wert1 Wert2 4 11,5 100,3333 146,333 oder 146 Vorhersage 5 11,5 100,3333 157,8333 oder 158 Prognose 6 11,5 100,3333 169,3333 oder 169 A.8.2 Simulierte Prognose Berechnung Oktober 2004 Umsatz: Durchschnitt der letzten drei Monate (129 140 131) / 3 133,3333 Zusammenfassung der letzten drei Monate mit Gewicht betrachtet (129 1) (140 2) (131 3) 802 Differenz zwischen den Werten 802 - 133,333 (1 2 3) 2 Verhältnis (12 22 32) - 2 3 14 - 12 2 Wert1 Differenz / Verhältnis 2/2 1 Wert2 Durchschnitt - Wert1 Verhältnis 133,333 - 1 2 131,333 Prognose (1 n) Wert1 Wert2 4 1 131,3333 135,3333 November 2004 Umsatz Durchschnitt der letzten drei Monate (140 131 114) / 3 128,3333 Zusammenfassung der letzten drei Monate mit Gewicht betrachtet (140 1) (131 2) (114 3) 744 Differenz zwischen dem Werte 744-128,3333 (1 2 3) -25,9999 value1 Difference / Ratio--25,9999 / 2 -12,9999 Value2 Mittelwert - value1 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 betrachtetem Gewicht (131 1) (114 2) (119 3) 716 Differenz zwischen den Werten 716 - 121,333 (1 2 3) -11,9999 Wert1 Differenz / Verhältnis -11,9999 / 2 -5,9999 Value2 Mittelwert - value1 Verhältnis 121,3333 - (-5,9999) 2 133,3333 Prognose 4 (-5,9999) 133,3333 109,3333 A.8.3 Prozent der Genauigkeit Berechnung POA (135.33 102.33 109.33) / (114 119 137) 100 93.78 A.8.4 Mittlere absolute Abweichungsberechnungs MAD (135,33 bis 114 102,33 bis 119 109,33 bis 137) / 3 21.88 A.9 Methode 7 - Zweiter Grad Approximation Lineare Regression ermittelt Werte für a und b in der Prognose Formel Y ein bX mit dem Ziel der Anpassung einer geraden Linie Die Verkaufsverlaufsdaten. 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 für die Bewertung der Prognoseperformance (PBF) erforderlich. 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: Q2 - Q2) (Q1 - Q2) / 2 (370 - 400) (384 - 400) / 2 - 23 b (Q2 - Q1) - 3c (400 - 384) - (3 -23) 85 Y a bX cX2 322 85X (-23) X2 Januar bis März (X4): (322 340 - 368) / 3 294/3 98 für den Zeitraum April bis Juni (X5): (322 425 - 575) / 3 57.333 oder 57 für den Zeitraum Juli bis September (X6): (322 510 - 828) / 3 1,33 oder 1 für Oktober bis Dezember (X7) (322 595 - 1127 / 3 -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) 16/3 136 A.9.3 Prozent der Genauigkeitsberechnung POA (136 136 13.6) A.10 Methode 8 - Flexible Methode Die flexible Methode (Prozentwert über n Monate vor) Ist vergleichbar mit Methode 1, Prozent über dem letzten Jahr. Beide Methoden multiplizieren Verkaufsdaten aus einer vorherigen Zeitspanne mit einem benutzerdefinierten 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 wird. 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 Verkaufsgeschichte: 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 Mittels (WMA) ähnelt Methode 4, . 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 ist besser für Kurzstreckenvorhersagen von reifen Produkten besser geeignet als für Produkte in den Wachstums - oder Obsoleszenzphasen 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 (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 ist besser für Kurzstreckenvorhersagen von reifen Produkten besser geeignet als für Produkte in den Wachstums - oder Obsoleszenzphasen des Lebenszyklus. N die Anzahl der Perioden der Verkaufsgeschichte, die in der Prognoserechnung verwendet werden sollen. Dies ist in der Verarbeitungsoption 10a spezifiziert. Beispielsweise n 3 in der Verarbeitungsoption 10b geben die letzten drei Perioden als Basis für die Projektion in der nächsten Zeitperiode verwendet werden. Das System vergibt automatisch die Gewichte der historischen Daten, die linear sinken und auf 1,00 sinken. Wenn zum Beispiel 3 N, wird das System zuweisen Gewichte von 0,5, 0,3333 und 0,1, mit den neuesten Daten das größte Gewicht zu erhalten. Mindestens erforderlicher Umsatzverlauf: n plus Anzahl der Zeiträume, die für die Bewertung der Prognoseperformance (PBF) erforderlich sind. A.12.1 Forecast Berechnung Anzahl Perioden im Glättungs Durchschnitt (Verarbeitungsoption 10a) 3 in diesem Beispiel Verhältnis für eine Periode vor 3 / (n2 n) / 2, 3 / (32 3) / 2 3/6 0,5 Verhältnis für zwei aufzunehmen Vorperioden 2 / (n2 n) / 2 2 / (32 3) / 2 2/6 0,3333 .. Verhältnis für drei Perioden vor 1 / (n2 n) / 2 1 / (32 3) / 2 1/6 0,1666. Januar Prognose:. 137 0.5 119 3.1 114 06.01 127.16 oder 127 Vorhersage Februar: 127 0.5 137 3.1 119 6.1 129 März-Prognose: 129 0.5 127 3.1 137 6.1 129,666 oder 130 A.12.2 Simulierte Prognose Berechnung Oktober 2004 Umsatz 129 1/6 140 2/6 131 3/6 133,6666 November 2004 Umsatz 140 1/6 131 2/6 114 3/6 124 Dezember 2004 Umsatz 131 1/6 114 2/6 119 3/6 119,3333 A.12.3 Prozent der Genauigkeit Berechnung POA (133,6666 119,3333 124) / (114 119 137) 100 101,891 A.12.4 absolute Abweichung Berechnung MAD Mittelwert (133,6666 - 114 124 - 119 119.3333 - 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 Glättung Prognosegleichung lautet: Prognose a (Zurück tatsächlichen Verkäufe) (1 - a) Vorherige Prognose Die Prognose ist ein gewichteter Durchschnitt der tatsächlichen Verkäufe der Vorperiode und die Prognose gegenüber 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 Prognoseberechnung 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 alpha Einen Faktor für die zweitältesten Verkaufsdaten 2 / (12) oder alpha, wenn alpha einen Faktor für die 3. ältesten Verkaufsdaten 2 / (13) angegeben ist, oder alpha, wenn alpha ein Faktor für die letzten Verkaufsdaten 2 angegeben ist / (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. 2/3 119 1/3 114 117.3333 Januar Vorhersage a (Dezember Tatsächlich) (1 - a) Dezember Sm. Durchschn. 2/4 137 2/4 117.3333 127.16665 oder 127 Februar Prognose Januar Prognose 127 März Prognose Januar Prognose 127 A.13.2 Simulierte Prognoseberechnung Juli 2004 Sm. Durchschn. 2/2 129 129 August Sm. Durchschn. 2/3 140 1/3 129 136,333 September Sm. Durchschn. 2/4 131 2/4 136,333 133,6666 Oktober 2004 Verkauf Sep Sm. Durchschn. 133.6666 August 2004. Sm. Durchschn. 2/2 140 140 September Sm. Durchschn. 2/3 131 1/3 140 134 Oktober Sm. Durchschn. 2/4 114 2/4 134 124 November 2004 Verkaufs September Sm. Durchschn. 124 September 2004 Sm. Durchschn. 2/2 131 131 Oktober Sm. Durchschn. 2/3 114 1/3 131 119,6666 November Sm. Durchschn. 2/4 119 2/4 119,6666 119,3333 Dezember 2004 Verkaufs September Sm. Durchschn. 119,3333 A.13.3 Prozent der Genauigkeit Berechnung POA (133,6666 119,3333 124) / (114 119 137) 100 101,891 A.13.4 absolute Abweichung Berechnung MAD Mittelwert (133,6666 - 114 124 - 119 119.3333 - 137) / 3 14,1111 A.14 Methode 12 - exponentielle Glättung mit Trend und Saisonalität Diese Methode ähnelt dem Verfahren 11, Glättung Exponential, dass eine geglättete Mittelwert berechnet wird. Das Verfahren 12 enthält jedoch auch einen Ausdruck 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) Eine exponentiell geglättete durchschnittliche MAD (122.81 - 114 133.14 - 119 135.33 - 137) / 3 8.2 A.15 Auswertung der Prognosen Sie können Prognosemethoden auswählen, um pro Prognose bis zu zwölf Prognosen 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 üblichen 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 Averages - Einfache und Exponential Moving Averages - Einfache und Exponentielle Einführung Die gleitenden Mittelwerte Die Preisdaten zu einem Trend nach Indikator zu bilden. Sie prognostizieren nicht die Kursrichtung, sondern definieren die aktuelle Richtung mit einer Verzögerung. Moving Averages Lag, weil sie auf vergangenen Preisen basieren. Trotz dieser Verzögerung, gleitende Durchschnitte helfen, glatte Preis-Aktion und Filter aus dem Lärm. Sie bilden auch die Bausteine ​​für viele andere technische Indikatoren und Overlays, wie Bollinger Bands. MACD und dem McClellan-Oszillator. Die beiden beliebtesten Arten von gleitenden Durchschnitten sind die Simple Moving Average (SMA) und die Exponential Moving Average (EMA). Diese Bewegungsdurchschnitte können verwendet werden, um die Richtung des Trends zu identifizieren oder potentielle Unterstützungs - und Widerstandswerte zu definieren. Here039s ein Diagramm mit einem SMA und einem EMA auf ihm: Einfache gleitende durchschnittliche Berechnung Ein einfacher gleitender Durchschnitt wird gebildet, indem man den durchschnittlichen Preis eines Wertpapiers über einer bestimmten Anzahl von Perioden berechnet. Die meisten gleitenden Mittelwerte basieren auf den Schlusskursen. Ein 5-tägiger einfacher gleitender Durchschnitt ist die fünftägige Summe der Schlusskurse geteilt durch fünf. Wie der Name schon sagt, ist ein gleitender Durchschnitt ein Durchschnitt, der sich bewegt. Alte Daten werden gelöscht, wenn neue Daten verfügbar sind. Dies bewirkt, dass sich der Durchschnitt entlang der Zeitskala bewegt. Unten ist ein Beispiel für einen 5-tägigen gleitenden Durchschnitt, der sich über drei Tage entwickelt. Der erste Tag des gleitenden Durchschnitts deckt nur die letzten fünf Tage ab. Der zweite Tag des gleitenden Mittelwerts fällt den ersten Datenpunkt (11) und fügt den neuen Datenpunkt (16) hinzu. Der dritte Tag des gleitenden Durchschnitts setzt sich fort, indem der erste Datenpunkt (12) abfällt und der neue Datenpunkt (17) addiert wird. Im obigen Beispiel steigen die Preise allmählich von 11 auf 17 über insgesamt sieben Tage. Beachten Sie, dass der gleitende Durchschnitt auch von 13 auf 15 über einen dreitägigen Berechnungszeitraum steigt. Beachten Sie auch, dass jeder gleitende Durchschnittswert knapp unter dem letzten Kurs liegt. Zum Beispiel ist der gleitende Durchschnitt für Tag eins gleich 13 und der letzte Preis ist 15. Preise der vorherigen vier Tage waren niedriger und dies führt dazu, dass der gleitende Durchschnitt zu verzögern. Exponentielle gleitende Durchschnittsberechnung Exponentielle gleitende Mittelwerte reduzieren die Verzögerung, indem mehr Gewicht auf die jüngsten Preise angewendet wird. Die Gewichtung des jüngsten Preises hängt von der Anzahl der Perioden im gleitenden Durchschnitt ab. Es gibt drei Schritte, um einen exponentiellen gleitenden Durchschnitt zu berechnen. Berechnen Sie zunächst den einfachen gleitenden Durchschnitt. Ein exponentieller gleitender Durchschnitt (EMA) muss irgendwo anfangen, so dass ein einfacher gleitender Durchschnitt als die vorherige Periode039s EMA in der ersten Berechnung verwendet wird. Zweitens, berechnen Sie die Gewichtung Multiplikator. Drittens berechnen Sie den exponentiellen gleitenden Durchschnitt. Die folgende Formel ist für eine 10-tägige EMA. Ein 10-Perioden-exponentieller gleitender Durchschnitt wendet eine 18,18 Gewichtung auf den jüngsten Preis an. Eine 10-Perioden-EMA kann auch als 18.18 EMA bezeichnet werden. Ein 20-Perioden-EMA wendet einen 9,52 - Wiegen auf den jüngsten Preis an (2 / (201) .0952). Beachten Sie, dass die Gewichtung für den kürzeren Zeitraum mehr ist als die Gewichtung für den längeren Zeitraum. In der Tat, die Gewichtung sinkt um die Hälfte jedes Mal, wenn die gleitende durchschnittliche Periode verdoppelt. Wenn Sie uns einen bestimmten Prozentsatz für eine EMA zuweisen möchten, können Sie diese Formel verwenden, um sie in Zeiträume zu konvertieren, und geben Sie dann diesen Wert als den EMA039s-Parameter ein: Nachstehend ist ein Kalkulationstabellenbeispiel für einen 10-tägigen einfachen gleitenden Durchschnitt und ein 10- Tag exponentiellen gleitenden Durchschnitt für Intel. Einfache gleitende Durchschnitte sind geradlinig und erfordern wenig Erklärung. Der 10-Tage-Durchschnitt bewegt sich einfach, sobald neue Preise verfügbar sind und alte Preise fallen. Der exponentielle gleitende Durchschnitt beginnt mit dem einfachen gleitenden Mittelwert (22.22) bei der ersten Berechnung. Nach der ersten Berechnung übernimmt die Normalformel. Da eine EMA mit einem einfachen gleitenden Durchschnitt beginnt, wird ihr wahrer Wert erst nach 20 oder späteren Perioden realisiert. Mit anderen Worten, der Wert auf der Excel-Tabelle kann sich aufgrund des kurzen Rückblicks von dem Diagrammwert unterscheiden. Diese Kalkulationstabelle geht nur zurück 30 Perioden, was bedeutet, dass der Einfluss der einfachen gleitenden Durchschnitt hatte 20 Perioden zu zerstreuen. StockCharts geht mindestens 250 Perioden (typischerweise viel weiter) für seine Berechnungen zurück, so dass die Effekte des einfachen gleitenden Durchschnitts in der ersten Berechnung vollständig abgebaut sind. Der Lagfaktor Je länger der gleitende Durchschnitt ist, desto stärker ist die Verzögerung. Ein 10-Tage-exponentieller gleitender Durchschnitt wird die Preise sehr eng umringen und sich kurz nach dem Kursumschlag wenden. Kurze gleitende Durchschnitte sind wie Schnellboote - flink und schnell zu ändern. Im Gegensatz dazu enthält ein 100-Tage gleitender Durchschnitt viele vergangene Daten, die ihn verlangsamen. Längere gleitende Durchschnitte sind wie Ozeantanker - lethargisch und langsam zu ändern. Es dauert eine größere und längere Kursbewegung für einen 100-Tage gleitenden Durchschnitt, um Kurs zu ändern. Die Grafik oben zeigt die SampP 500 ETF mit einer 10-tägigen EMA eng ansprechender Preise und einem 100-tägigen SMA-Schleifen höher. Selbst mit dem Januar-Februar-Rückgang hielt die 100-tägige SMA den Kurs und kehrte nicht zurück. Die 50-Tage-SMA passt irgendwo zwischen den 10 und 100 Tage gleitenden Durchschnitten, wenn es um den Verzögerungsfaktor kommt. Simple vs Exponential Moving Averages Obwohl es klare Unterschiede zwischen einfachen gleitenden Durchschnitten und exponentiellen gleitenden Durchschnitten, ist eine nicht unbedingt besser als die anderen. Exponentielle gleitende Mittelwerte haben weniger Verzögerungen und sind daher empfindlicher gegenüber den jüngsten Preisen - und den jüngsten Preisveränderungen. Exponentielle gleitende Mittelwerte drehen sich vor einfachen gleitenden Durchschnitten. Einfache gleitende Durchschnitte stellen dagegen einen wahren Durchschnittspreis für den gesamten Zeitraum dar. Als solches können einfache gleitende Mittel besser geeignet sein, um Unterstützungs - oder Widerstandsniveaus zu identifizieren. Die gleitende Durchschnittspräferenz hängt von den Zielen, dem analytischen Stil und dem Zeithorizont ab. Chartisten sollten mit beiden Arten von gleitenden Durchschnitten sowie verschiedene Zeitrahmen zu experimentieren, um die beste Passform zu finden. Die nachstehende Grafik zeigt IBM mit der 50-Tage-SMA in Rot und der 50-Tage-EMA in Grün. Beide gipfelten Ende Januar, aber der Rückgang in der EMA war schärfer als der Rückgang der SMA. Die EMA erschien Mitte Februar, aber die SMA setzte weiter unten bis Ende März. Beachten Sie, dass die SMA über einen Monat nach der EMA. Längen und Zeitrahmen Die Länge des gleitenden Mittelwerts hängt von den analytischen Zielen ab. Kurze gleitende Durchschnitte (5-20 Perioden) eignen sich am besten für kurzfristige Trends und den Handel. Chartisten, die sich für mittelfristige Trends interessieren, würden sich für längere bewegte Durchschnitte entscheiden, die 20-60 Perioden verlängern könnten. Langfristige Anleger bevorzugen gleitende Durchschnitte mit 100 oder mehr Perioden. Einige gleitende durchschnittliche Längen sind beliebter als andere. Die 200-Tage gleitenden Durchschnitt ist vielleicht die beliebteste. Wegen seiner Länge ist dies eindeutig ein langfristiger gleitender Durchschnitt. Als nächstes ist der 50-Tage gleitende Durchschnitt für den mittelfristigen Trend ziemlich populär. Viele Chartisten nutzen die 50-Tage-und 200-Tage gleitenden Durchschnitte zusammen. Kurzfristig war ein 10 Tage gleitender Durchschnitt in der Vergangenheit ziemlich populär, weil er leicht zu berechnen war. Man hat einfach die Zahlen addiert und den Dezimalpunkt verschoben. Trendidentifikation Die gleichen Signale können mit einfachen oder exponentiellen gleitenden Mittelwerten erzeugt werden. Wie oben erwähnt, hängt die Präferenz von jedem Individuum ab. Die folgenden Beispiele werden sowohl einfache als auch exponentielle gleitende Mittelwerte verwenden. Der Begriff gleitender Durchschnitt gilt für einfache und exponentielle gleitende Mittelwerte. Die Richtung des gleitenden Durchschnitts vermittelt wichtige Informationen über die Preise. Ein steigender Durchschnitt zeigt, dass die Preise im Allgemeinen steigen. Ein sinkender Durchschnittswert zeigt an, dass die Preise im Durchschnitt sinken. Ein steigender langfristiger gleitender Durchschnitt spiegelt einen langfristigen Aufwärtstrend wider. Ein sinkender langfristiger gleitender Durchschnitt spiegelt einen langfristigen Abwärtstrend wider. Das Diagramm oben zeigt 3M (MMM) mit einem 150-Tage-exponentiellen gleitenden Durchschnitt. Dieses Beispiel zeigt, wie gut bewegte Durchschnitte arbeiten, wenn der Trend stark ist. Die 150-Tage-EMA sank im November 2007 und wieder im Januar 2008. Beachten Sie, dass es einen Rückgang von 15 nahm, um die Richtung dieses gleitenden Durchschnitts umzukehren. Diese nachlaufenden Indikatoren identifizieren Trendumkehrungen, wie sie auftreten (am besten) oder nach deren Eintritt (im schlimmsten Fall). MMM setzte unten in März 2009 und dann stieg 40-50. Beachten Sie, dass die 150-Tage-EMA nicht auftauchte, bis nach diesem Anstieg. Sobald es aber tat, setzte MMM die folgenden 12 Monate höher fort. Moving-Durchschnitte arbeiten brillant in starken Trends. Doppelte Frequenzweichen Zwei gleitende Mittelwerte können zusammen verwendet werden, um Frequenzweiche zu erzeugen. In der technischen Analyse der Finanzmärkte. John Murphy nennt dies die doppelte Crossover-Methode. Doppelte Crossover beinhalten einen relativ kurzen gleitenden Durchschnitt und einen relativ langen gleitenden Durchschnitt. Wie bei allen gleitenden Durchschnitten definiert die allgemeine Länge des gleitenden Durchschnitts den Zeitrahmen für das System. Ein System, das eine 5-Tage-EMA und eine 35-Tage-EMA verwendet, wäre kurzfristig. Ein System, das eine 50-tägige SMA - und 200-Tage-SMA verwendet, wäre mittelfristig, vielleicht sogar langfristig. Eine bullische Überkreuzung tritt auf, wenn der kürzere gleitende Durchschnitt über dem längeren gleitenden Durchschnitt kreuzt. Dies wird auch als goldenes Kreuz bezeichnet. Eine bärische Überkreuzung tritt ein, wenn der kürzere gleitende Durchschnitt unter dem längeren gleitenden Durchschnitt liegt. Dies wird als ein totes Kreuz bekannt. Gleitende Mittelübergänge erzeugen relativ späte Signale. Schließlich setzt das System zwei hintere Indikatoren ein. Je länger die gleitenden Durchschnittsperioden, desto größer die Verzögerung in den Signalen. Diese Signale funktionieren gut, wenn eine gute Tendenz gilt. Allerdings wird ein gleitender Durchschnitt Crossover-System produzieren viele whipsaws in Abwesenheit einer starken Tendenz. Es gibt auch eine Dreifach-Crossover-Methode, die drei gleitende Durchschnitte beinhaltet. Wieder wird ein Signal erzeugt, wenn der kürzeste gleitende Durchschnitt die beiden längeren Mittelwerte durchläuft. Ein einfaches Triple-Crossover-System könnte 5-Tage-, 10-Tage - und 20-Tage-Bewegungsdurchschnitte beinhalten. Das Diagramm oben zeigt Home Depot (HD) mit einer 10-tägigen EMA (grüne gepunktete Linie) und 50-Tage-EMA (rote Linie). Die schwarze Linie ist die tägliche Schließung. Mit einem gleitenden Durchschnitt Crossover hätte dazu geführt, dass drei Peitschen vor dem Fang eines guten Handels. Die 10-tägige EMA brach unterhalb der 50-Tage-EMA Ende Oktober (1), aber dies dauerte nicht lange, wie die 10-Tage zog zurück oben Mitte November (2). Dieses Kreuz dauerte länger, aber die nächste bärige Crossover im Januar (3) ereignete sich gegen Ende November Preisniveaus, was zu einer weiteren Peitsche führte. Dieses bärische Kreuz dauerte nicht lange, als die 10-Tage-EMA über die 50-Tage ein paar Tage später zurückging (4). Nach drei schlechten Signalen, schien das vierte Signal eine starke Bewegung als die Aktie vorrückte über 20. Es gibt zwei Takeaways hier. Erstens, Crossovers sind anfällig für whipsaw. Ein Preis oder Zeitfilter kann angewendet werden, um zu helfen, whipsaws zu verhindern. Händler könnten verlangen, dass die Crossover 3 Tage dauern, bevor sie handeln oder verlangen, dass die 10-Tage-EMA zu bewegen, über / unterhalb der 50-Tage-EMA um einen bestimmten Betrag vor handeln. Zweitens kann MACD verwendet werden, um diese Frequenzweichen zu identifizieren und zu quantifizieren. MACD (10,50,1) zeigt eine Linie, die die Differenz zwischen den beiden exponentiellen gleitenden Mittelwerten darstellt. MACD wird positiv während eines goldenen Kreuzes und negativ während eines toten Kreuzes. Der Prozentsatz-Oszillator (PPO) kann auf die gleiche Weise verwendet werden, um Prozentunterschiede anzuzeigen. Beachten Sie, dass MACD und das PPO auf exponentiellen gleitenden Durchschnitten basieren und nicht mit einfachen gleitenden Durchschnitten zusammenpassen. Diese Grafik zeigt Oracle (ORCL) mit dem 50-Tage EMA, 200-Tage EMA und MACD (50.200,1). Es gab vier gleitende durchschnittliche Kreuzungen über einen Zeitraum von 2 1/2 Jahren. Die ersten drei führten zu Peitschen oder schlechten Trades. Ein anhaltender Trend begann mit der vierten Crossover als ORCL bis Mitte der 20er Jahre. Erneut bewegen sich die durchschnittlichen Crossover-Effekte groß, wenn der Trend stark ist, erzeugen aber Verluste in Abwesenheit eines Trends. Preis-Crossover Moving-Durchschnitte können auch verwendet werden, um Signale mit einfachen Preis-Crossover zu generieren. Ein bullisches Signal wird erzeugt, wenn die Preise über dem gleitenden Durchschnitt liegen. Ein bäres Signal wird erzeugt, wenn die Preise unter dem gleitenden Durchschnitt liegen. Preis-Crossover können kombiniert werden, um innerhalb der größeren Trend Handel. Der längere gleitende Durchschnitt setzt den Ton für den größeren Trend und der kürzere gleitende Durchschnitt wird verwendet, um die Signale zu erzeugen. Man würde bullish Preiskreuze nur dann suchen, wenn die Preise schon über dem längeren gleitenden Durchschnitt liegen. Dies würde den Handel im Einklang mit dem größeren Trend. Wenn zum Beispiel der Kurs über dem gleitenden 200-Tage-Durchschnitt liegt, würden sich die Chartisten nur auf Signale konzentrieren, wenn der Kurs über dem 50-Tage-Gleitender Durchschnitt liegt. Offensichtlich würde ein Schritt unterhalb der 50-Tage gleitenden Durchschnitt ein solches Signal vorausgehen, aber solche bearish Kreuze würden ignoriert, weil der größere Trend ist. Ein bearish Kreuz würde einfach vorschlagen, ein Pullback in einem größeren Aufwärtstrend. Ein Cross-back über dem 50-Tage-Gleitender Durchschnitt würde einen Preisanstieg und eine Fortsetzung des größeren Aufwärtstrends signalisieren. Die nächste Tabelle zeigt Emerson Electric (EMR) mit dem 50-Tage EMA und 200-Tage EMA. Die Aktie bewegte sich über und hielt über dem 200-Tage gleitenden Durchschnitt im August. Es gab Dips unterhalb der 50-Tage-EMA Anfang November und wieder Anfang Februar. Die Preise schnell zurück über die 50-Tage-EMA zu bullish Signale (grüne Pfeile) in Harmonie mit dem größeren Aufwärtstrend. Im Indikatorfenster wird MACD (1,50,1) angezeigt, um Preiskreuze über oder unter dem 50-Tage-EMA zu bestätigen. Die 1-tägige EMA entspricht dem Schlusskurs. MACD (1,50,1) ist positiv, wenn das Schließen oberhalb der 50-Tage-EMA und negativ ist, wenn das Schließen unterhalb der 50-Tage-EMA liegt. Unterstützung und Widerstand Der Gleitende Durchschnitt kann auch als Unterstützung in einem Aufwärtstrend und Widerstand in einem Abwärtstrend dienen. Ein kurzfristiger Aufwärtstrend könnte Unterstützung nahe dem 20-tägigen einfachen gleitenden Durchschnitt finden, der auch in Bollinger-Bändern verwendet wird. Ein langfristiger Aufwärtstrend könnte Unterstützung nahe dem 200-tägigen einfachen gleitenden Durchschnitt finden, der der populärste langfristige bewegliche Durchschnitt ist. Wenn Tatsache, die 200-Tage gleitenden Durchschnitt bieten kann Unterstützung oder Widerstand, nur weil es so weit verbreitet ist. Es ist fast wie eine sich selbst erfüllende Prophezeiung. Die Grafik oben zeigt die NY Composite mit dem 200-Tage einfachen gleitenden Durchschnitt von Mitte 2004 bis Ende 2008. Die 200-Tage-Support zur Verfügung gestellt, mehrmals während des Vorhabens. Sobald der Trend mit einem Doppel-Top-Support-Pause umgekehrt, der 200-Tage gleitenden Durchschnitt als Widerstand um 9500 gehandelt. Erwarten Sie nicht genaue Unterstützung und Widerstand Ebenen von gleitenden Durchschnitten, vor allem längeren gleitenden Durchschnitten. Märkte werden durch Emotionen gefahren, wodurch sie anfällig für Überschreitungen sind. Statt genauer Ebenen können gleitende Mittelwerte verwendet werden, um Unterstützungs - oder Widerstandszonen zu identifizieren. Schlussfolgerungen Die Vorteile der Verwendung von bewegten Durchschnitten müssen gegen die Nachteile gewogen werden. Moving-Durchschnitte sind Trend nach, oder nacheilende, Indikatoren, die immer einen Schritt hinter sich. Dies ist nicht unbedingt eine schlechte Sache. Immerhin ist der Trend ist dein Freund und es ist am besten, in die Richtung des Trends Handel. Die gleitenden Durchschnitte gewährleisten, dass ein Händler dem aktuellen Trend entspricht. Auch wenn der Trend ist dein Freund, verbringen die Wertpapiere viel Zeit in Handelsspannen, die gleitende Durchschnitte ineffektiv machen. Einmal in einem Trend, bewegte Durchschnitte halten Sie in, sondern geben auch späte Signale. Don039t erwarten, an der Spitze zu verkaufen und an der Unterseite mit bewegten Durchschnitten kaufen. Wie bei den meisten technischen Analysetools sollten die gleitenden Mittelwerte nicht allein verwendet werden, sondern in Verbindung mit anderen komplementären Tools. Chartisten können gleitende Durchschnitte verwenden, um den Gesamttrend zu definieren und dann RSI zu verwenden, um überkaufte oder überverkaufte Niveaus zu definieren. Hinzufügen von Bewegungsdurchschnitten zu StockCharts Diagrammen Gleitende Durchschnitte sind als Preisüberlagerungsfunktion auf der SharpCharts-Workbench verfügbar. Mit dem Dropdown-Menü Overlays können Benutzer entweder einen einfachen gleitenden Durchschnitt oder einen exponentiellen gleitenden Durchschnitt auswählen. Der erste Parameter wird verwendet, um die Anzahl der Zeitperioden einzustellen. Ein optionaler Parameter kann hinzugefügt werden, um festzulegen, welches Preisfeld in den Berechnungen verwendet werden soll - O für die Open, H für High, L für Low und C für Close. Ein Komma wird verwendet, um Parameter zu trennen. Ein weiterer optionaler Parameter kann hinzugefügt werden, um die gleitenden Mittelwerte nach links (vorbei) oder nach rechts (zukünftig) zu verschieben. Eine negative Zahl (-10) würde den gleitenden Durchschnitt auf die linken 10 Perioden verschieben. Eine positive Zahl (10) würde den gleitenden Durchschnitt auf die rechten 10 Perioden verschieben. Mehrere gleitende Durchschnitte können die Preisplots überlagert werden, indem einfach eine weitere Overlay-Zeile zur Workbench hinzugefügt wird. StockCharts-Mitglieder können die Farben und den Stil ändern, um zwischen mehreren gleitenden Durchschnitten zu unterscheiden. Nachdem Sie eine Anzeige ausgewählt haben, öffnen Sie die erweiterten Optionen, indem Sie auf das kleine grüne Dreieck klicken. Erweiterte Optionen können auch verwendet werden, um eine gleitende mittlere Überlagerung zu anderen technischen Indikatoren wie RSI, CCI und Volumen hinzuzufügen. Klicken Sie hier für ein Live-Diagramm mit mehreren verschiedenen gleitenden Durchschnitten. Verwenden von Moving Averages mit StockCharts-Scans Hier finden Sie einige Beispielscans, die die StockCharts-Mitglieder verwenden können, um verschiedene gleitende durchschnittliche Situationen zu scannen: Bullish Moving Average Cross: Diese Scans suchen nach Aktien mit einem steigenden 150-Tage-Durchschnitt und einem bullishen Kreuz der 5 Tag EMA und 35-Tage EMA. Der 150-Tage gleitende Durchschnitt steigt, solange er über seinem Niveau vor fünf Tagen handelt. Ein bullish Kreuz tritt auf, wenn die 5-Tage-EMA bewegt sich über dem 35-Tage-EMA auf überdurchschnittlichen Volumen. Bearish Moving Average Cross: Diese Scans sucht nach Aktien mit einem fallenden 150-Tage einfachen gleitenden Durchschnitt und einem bärischen Kreuz der 5-Tage EMA und 35-Tage EMA. Der 150-Tage gleitende Durchschnitt fällt, solange er unter seinem Niveau vor fünf Tagen handelt. Ein bäriges Kreuz tritt auf, wenn die 5-Tage-EMA unterhalb der 35-Tage-EMA auf überdurchschnittlichem Volumen bewegt. Weitere Studie John Murphy039s Buch hat ein Kapitel gewidmet gleitende Durchschnitte und ihre verschiedenen Verwendungen. Murphy deckt die Vor-und Nachteile der gleitenden Durchschnitte. Darüber hinaus zeigt Murphy, wie bewegte Durchschnitte mit Bollinger Bands und kanalbasierten Handelssystemen funktionieren. Technische Analyse der Finanzmärkte John MurphyDie Verwaltung der Burke Co. erwägt die Auswirkungen der verschiedenen Inventar-Kalkulation Methoden auf seinen Jahresabschluss und seinen Ertragssteueraufwand. Gehen Sie davon aus, dass der Preis für das Inventar steigt. Match jedes der nummerierten Elemente in der Liste unten mit den Zahlen in den Dropdown-Menüs: Ergebnisse in den höchsten Ende Inventar und die höchsten Nettogewinn Ergebnisse in den stabilsten Ergebnis über eine Reihe von Jahren führt zu den niedrigsten Einkommensteueraufwand In seiner Im ersten Monat des Betriebes kaufte Marquette Ltd 100 Einheiten des Inventars für 16, dann 200 Einheiten für 17 und schließlich 150 Einheiten bei 18. Am Ende des Monats 200 Einheiten blieben. Berechnen Sie den Betrag des Phantomgewinns, der sich ergeben würde, wenn das Unternehmen FIFO anstelle von LIFO verwendet: Alpha Company weist einen Nettogewinn von 90 000 im Jahr 2007 aus. Das Ende des Inventars wurde jedoch um 5 000 unterschätzt. Welche Auswirkungen hat dieser Fehler auf die Bilanzsumme gemeldet? In der Bilanz per 31. Dezember 2007 untertitelte Bilanzsumme keine Auswirkung auf Bilanzsumme übertriebene Bilanzsumme Zum 31. Dezember 2007 stehen für J. Simon Company folgende Informationen zur Verfügung: Beendigung des Inventars 40 000, Beginn des Inventars 60 000, der Verkaufspreis 300 000 und Umsatz 380 000. Berechnen Sie den Inventarumsatz für J. Simon Company (um Ihre Antwort auf das nächste Zehntel und enthalten den Dezimalpunkt (z. B. wenn Ihre Antwort ist 2.01, dann geben 2.0) Berechnen Sie die Tage im Inventar für J. Für das Produkt E2-D2 gehören die folgenden Einkäufe: Am 1. Juni verkaufte Moores 30 Einheiten und am 27. August, 35 weitere Einheiten. (A) FIFO (b) LIFO (c) Durchschnittliche Durchschnittskosten Bei der Berechnung der Durchschnittskosten der einzelnen Verkäufe werden die durchschnittlichen Durchschnittskosten auf den nächstgelegenen Cent berechnet. Round Ende Inventar unter durchschnittlichen Kosten auf den nächsten Dollar. Am 31. Mai hat die Stuart AG einen Nettoumsatz von 335.000 Stück und einen Warenwert von 235.000 Euro zur Verfügung. Berechnen Sie die geschätzten Kosten des endgültigen Inventars unter der Annahme, dass die Rohertragsquote 40 beträgt. Am 30. Juni hat Bright Fabrics folgende Daten für die Einzelhandelsinventurmethode: Zum Verkauf verfügbare Waren: zu Anschaffungskosten 35 000, bei Einzelhandelsumsätzen von 50 000 Nettoumsätzen 42 000, und endet Inventar im Einzelhandel 8 000. Berechnen Sie die geschätzten Kosten für die endgültige Bestandsaufnahme mit dem Einzelhandel Bestandsaufnahme Methode. Premier Bank und Trust erwägen, First Company ein Darlehen. Bevor sie dies tun, entscheiden sie, dass weitere Gespräche mit Firsts Buchhalter wünschenswert sein kann. Ein besonderes Anliegen ist das Bestandskonto mit einem Jahresendbestand von 297 000. Die Diskussionen mit dem Buchhalter zeigen Folgendes. 1. Erste verkaufte Waren, die 38 000 an Feisty Company, FOB-Auslieferungsstelle, am 28. Dezember kosteten. Die Waren werden voraussichtlich bis zum 12. Januar nicht bei Feisty ankommen. Die Waren wurden nicht in das Inventar aufgenommen, weil sie nicht im Lager waren. 2. Die physische Zählung des Inventars enthielt keine Waren, die 95 000 Waren kosteten, die am 27. Dezember zum ersten FOB-Bestimmungsort versandt wurden und noch am Jahresende in Transit waren. 3. Erste Waren, die am 2. Januar 17 000 Euro kosten. Die Waren wurden FOB delievery Punkt am 26. Dezember durch Grant Co. versendet. Die Waren waren nicht in der physischen Zählung eingeschlossen. 4. Erste verkaufte Waren, die 35 000 an Elmo Co. FOB-Bestimmungsort kosteten, am 30. Dezember. Die Waren wurden am 8. Januar bei Elmo eingegangen. Sie waren nicht im Ersten Inventar enthalten. 5. Erste Waren, die am 2. Januar 44 000 Waren kosteten, die am 29. Dezember FOB-Bestimmungsort waren. Der Versand war ein Eilauftrag, der am 31. Dezember eintreffen sollte. Dieser Kauf wurde in den Bestandsbestand von 297 000 aufgenommen. Bestimmen Sie den korrekten Inventurbetrag am 31. Dezember. Emma Thompson, ein Wirtschaftsprüfer mit Speed ​​Accountants, führt eine Überprüfung der Platinum Companys Bestandskonto durch. Platinum nicht ein gutes Jahr und Top-Management unter Druck steht, um gemeldeten Gewinn zu steigern. Nach seinen Aufzeichnungen betrug der Bestand am Jahresende 740 000. Bei der Ermittlung dieses Betrages wurden jedoch die folgenden Informationen nicht berücksichtigt. In das Unternehmen zählen waren Waren mit einem Aufwand von 250 000, dass das Unternehmen hält auf Sendung. Die Ware gehört zur Superior Corporation. Die physische Zählung umfaßte nicht die Waren, die durch Platinum mit einer Kosten von 40 000 gekauft wurden, die Fob-Bestimmungsort am 28. Juni versendeten und nicht am Platinumslager bis 3 Juli ankamen. Auf dem Bestandskonto waren 17 000 Büromaterialien enthalten, die im Lager lagern und im kommenden Jahr von den Vorgesetzten und Führungskräften des Unternehmens genutzt werden sollten. Das Unternehmen erhielt am 29. Juni eine Bestellung, die boxed und saß auf der Verlade-Dock warten Pick-up am 30. Juni. Der Versender holte die Waren am 1. Juli und lieferte sie am 6. Juli. Die Verschiffenausdrücke waren FOB-Versandstelle. Die Ware hatte einen Verkaufspreis von 40 000 und einen Aufwand von 30 000. Die Waren wurden nicht in die Zählung aufgenommen, weil sie auf dem Dock saßen. Am 29. Juni verschiffte Platinum Waren mit einem Verkaufspreis von 80 000 und einem Aufwand von 60 000 an die Zweigstelle FOB. Die Waren kamen am 3. Juli. Zweigniederlassung Verkäufe hatten nur Waren mit einem Verkaufspreis von 10 000 und von Kosten von 8 000 bestellt. Jedoch hatte ein Verkaufsmanager bei Platinum die Sendung genehmigt und sagte, dass, wenn Niederlassung wollte, um die Waren zurück nächste Woche zu versenden, es könnte. Enthalten in der Zählung wurden 50 000 von Waren, die Teile für eine Maschine, die das Unternehmen nicht mehr gemacht. Angesichts der High-Tech-Charakter der Platin-Produkte, war es unwahrscheinlich, dass diese veralteten Teile hatte jede andere Verwendung. Allerdings würde das Management es vorziehen, sie auf die Bücher zu den Kosten zu behalten, da das ist, was wir für sie bezahlt, nachdem alle. Füllen Sie die fehlenden Anpassungsbeträge aus, um den korrekten Inventurbetrag zu ermitteln. (Bei Beträgen, die abgezogen werden sollen, geben Sie die Beträge in Klammern ein.) Wenn die Antwort Null ist, geben Sie 0 ein, lassen Sie keine Felder leer.) Beenden des Inventars - wie gemeldet. In das Unternehmen zählen waren Waren mit einem Aufwand von 250 000, dass das Unternehmen hält auf Sendung. Die Ware gehört zur Superior Corporation. Die physische Zählung umfaßte nicht die Waren, die durch Platinum mit einem Preis von 40 000 gekauft wurden, die Fob-Bestimmungsort am 28. Juni versendeten und nicht am Platinumslager bis 3 Juli ankamen. Auf dem Bestandskonto waren 17 000 Büromaterialien enthalten, die im Lager lagern und im kommenden Jahr von den Vorgesetzten und Führungskräften des Unternehmens genutzt werden sollten. Das Unternehmen erhielt am 29. Juni eine Bestellung, die boxed und saß auf der Verlade-Dock warten Pick-up am 30. Juni. Der Versender holte die Waren am 1. Juli und lieferte sie am 6. Juli. Die Verschiffenausdrücke waren FOB-Anlieferungspunkt. Die Ware hatte einen Verkaufspreis von 40 000 und einen Aufwand von 30 000. Die Waren wurden nicht in die Zählung aufgenommen, weil sie auf dem Dock saßen. Am 29. Juni verschiffte Platinum Waren mit einem Verkaufspreis von 80 000 und einem Aufwand von 60 000 an die Zweigstelle FOB. Die Waren kamen am 3. Juli. Zweigniederlassung Verkäufe hatten nur Waren mit einem Verkaufspreis von 10 000 und von Kosten von 8 000 bestellt. Jedoch hatte ein Verkaufsmanager bei Platinum die Sendung genehmigt und sagte, dass, wenn Niederlassung wollte, um die Waren zurück nächste Woche zu versenden, es könnte. Enthalten in der Zählung wurden 50 000 von Waren, die Teile für eine Maschine, die das Unternehmen nicht mehr gemacht. Angesichts der High-Tech-Charakter der Platin-Produkte, war es unwahrscheinlich, dass diese veralteten Teile hatte jede andere Verwendung. Allerdings würde das Management es vorziehen, sie auf die Bücher zu den Kosten zu behalten, da das ist, was wir für sie bezahlt, nachdem alle. Am 1. Dezember hat Discount Electronics Ltd. drei DVD-Player auf Lager. Einer der drei DVD-Spieler, die auf Lager waren (Seriennummer 1012), wurde am 1. Juni zu einem Preis von 540 gekauft. Eine weitere (Serie 1045) wurde am 1. November für 440 gekauft Der letzte Spieler (Serie 1056) wurde am 30. November für 350 gekauft. (A) Berechnen Sie die Kosten der verkauften Waren nach der FIFO-Methode, vorausgesetzt, dass zwei der drei Spieler bis Ende Dezember verkauft wurden. (B) Angenommen, Discount Electronics verwendete die spezifische Identifikationsmethode anstelle des FIFO und beschloss, seinen Bruttogewinn zu ändern, indem er selektiv wählte, welcher einzelne Spieler an die beiden Kunden verkaufen sollte. Was würde Rabatte Kosten für Waren verkauft werden, wenn sie den Brutto-Gewinn zu minimieren wünschte (c) Was wäre Rabatte Kosten der verkauften Waren, wenn sie wollen, um das Bruttoergebnis zu maximieren Im Juni, Zambia Ltd berichtet für den Monat Juni: Für die folgenden Fragen, um die gewichteten durchschnittlichen Stückkosten auf den nächsten Cent, dh 2 Dezimalstellen, und die Antworten auf den nächsten Dollar. (A) Berechnen Sie die Kosten für die Beendigung des Inventars anhand der Durchschnittskosten. (B) Berechnung der Kosten der verkauften Waren unter Verwendung der Durchschnittskosten. One-Stop-Kamerashop verwendet die niedrigere der Kosten-oder Marktbasis für sein Inventar. Die folgenden Daten stehen zum 31. Dezember zur Verfügung. Bestimmen Sie den Betrag des Endbestandes, indem Sie die niedrigeren Kosten und die Nettoveräußerungswertbasis auf das Gesamtvermögen anwenden. Quach Appliance verwendet ein Perpetual Inventory System. Für seine Flachbildfernseher war das 1 Januar-Inventar 3 Sätze auf 600 Stück. Am 10. Januar kaufte Quach Appliance 6 Einheiten bei 660 je. Das Unternehmen verkaufte 2 Einheiten am 8. Januar und 5 Einheiten am 15. Januar. Berechnen Sie die endgültige Inventur unter (3) Moving-Average Cost (Runden Sie Ihre Antwort auf den nächsten Dollar. Zur Berechnung Ihrer Antwort, runden Durchschnitt pro Stück Kosten auf den nächsten Cent, das heißt, auf 2 Dezimalstellen.) Humphries Company berichtet die folgenden Für den Monat Juni. Angenommen, ein Verkauf von 400 Einheiten trat am 15. Juni für einen Verkaufspreis von 8 und einem Verkauf von 440 Einheiten am 27. Juni für 9 auf. Angenommen, dass ein ewiges Inventarsystem verwendet wird. Mit dem FIFO berechnen Sie: a) die Kosten des endgültigen Inventars b) die Kosten der verkauften Waren Mit Hilfe von LIFO berechnen Sie: c) die Kosten des endgültigen Inventars d) die Kosten der verkauften Waren MOVING-AVERAGE COST, (E) die Kosten des endgültigen Inventars (f) die Kosten der verkauften Waren In Ihrer Berechnung, runden Durchschnitt pro Stück Kosten auf den nächsten Zehntel eines Cent (drei Ziffern nach der Dezimalstelle) ). Beachpoint verkauft ein Snowboard Xpert, das bei Surffreunden beliebt ist. Im Folgenden finden Sie Informationen zum Kauf von Beachpoints und Verkauf von Xpert Snowboards im September. Beachpoint verwendet ein unaufhörliches Inventarsystem. Anfangsbestand und Käufe sind wie folgt: Verkäufe sind wie folgt: Berechnen Sie die endgültige Inventur am 30. September mit: (c) Moving-Average Kosten (Runde Ihre Antwort auf den nächsten Dollar) In Ihrer Berechnung runden die durchschnittlichen Stückkosten auf die nächste Cent, also auf 2 Dezimalstellen. Das Inventar der Lemon Company wurde am 1. März durch Feuer zerstört. Bei der Prüfung der Buchführung werden folgende Daten für die ersten 2 Monate des Jahres erzielt: Umsatz 51 000, Umsatzrenditen und Zulagen 1 000, Einkäufe 31 200, Einspeisevergütung 1 200 und Rücknahme und Erstattungen 1 400 Bestimmen Sie das durch Feuer verlorene Inventar unter der Annahme, dass a) ein Anfangsbestand von 20 000 und eine Bruttogewinnsquote von 30 im Nettoumsatz vorliegen. (B) Ein Anfangsbestand von 30 000 und eine Bruttogewinnsquote von 25 am Nettoumsatz. Peacock Shoe Store nutzt die Retail-Inventur-Methode für seine beiden Abteilungen, Womens Schuhe und Herren Schuhe. Die folgenden Informationen für jede Abteilung erhalten. Anfangsbestand zu Anschaffungskosten Anschaffungskosten zu Anschaffungskosten Anfangsbestand am Einzelhandel Kosten der im Einzelhandel verkauften Waren Berechnen Sie die geschätzten Kosten für die Beendigung des Inventars für jede Abteilung im Rahmen der Einzelhandelsinventurmethode. Verwenden Sie Prozentsätze, die auf eine Dezimalstelle gerundet sind, für die Cost-to-Retail-Verhältnis. Diamond Creek Ltd versucht, den Wert seiner endgültigen Bestandsaufnahme vom 28. Februar 2007, dem Ende des Geschäftsberichtszeitraums zu bestimmen. Die folgenden Transaktionen traten auf, und der Buchhalter fragte Ihre Hilfe bei der Bestimmung, ob sie aufgezeichnet werden sollen oder nicht. (A) Am 26. Februar versandte Diamond Creek Waren, die 800 an einen Kunden kosteten und dem Kunden 1 000 belastet wurden. Die Waren wurden mit den Bedingungen FOB-Bestimmungsort versendet, und der Empfangsbericht zeigt an, dass der Kunde am 2. März die Ware erhalten hat. (B) Am 26. Februar versandte Verkäufer Inc. Waren an Diamond Creek unter Bedingungen FOB-Zustellungsstelle. Der Rechnungspreis betrug 350 plus 25 für Fracht. Der Empfangsbericht zeigt an, dass die Waren am 2. März bei Diamond Creek eingegangen sind. (C) Diamond Creek hatte 500 Lagerbestände im Lager isoliert. Das Inventar ist für einen Kunden bestimmt, der beantragt hat, die Ware am 10. März zu versenden. (D) Auch im Lager von Diamond Creeks enthalten ist 400 von Inventar, dass Craft Producers versandt, um Diamond Creek auf Sendung. (E) Am 26. Februar gab Diamond Creeks eine Bestellung aus, um Waren zu erwerben, die 750 kosteten. Die Waren wurden am 27. Februar mit FOB-Bestimmungen versendet. Diamond Creek erhielt die Ware am 2. März. (F) Am 26. Februar versandte Diamond Creeks Waren unter dem Begriff FOB-Lieferung an einen Kunden. Der Rechnungspreis betrug 350 plus 25 für Frachtkosten der Artikel betrug 280. Der Empfangsbericht zeigt an, dass die Ware am 2. März beim Kunden eingegangen ist. Anweisungen Für jede der oben genannten Transaktionen, geben Sie den Betrag des Artikels, die in der endgültigen Inventar enthalten sein sollte. Geben Sie einen Betrag gleich 0 an, wenn der Artikel vom Endbestand ausgeschlossen werden soll. Betrag in Endbestand enthalten Chan Company hatte ein Anfangsinventar am 1. Januar von 100 Einheiten des Produkts WD-44 zu einem Preis von 21 pro Einheit. Im Laufe des Jahres wurden die folgenden Käufe getätigt. 300 Einheiten bei 24 300 Einheiten bei 28 200 Einheiten bei 25 100 Einheiten bei 30 700 Einheiten verkauft. Chan Company verwendet ein periodisches Inventarsystem. Anleitung (a) Berechnen Sie die Kosten der zur Veräußerung verfügbaren Waren. (1) Beendung des Inventars: (2) Kosten der verkauften Waren: (1) Beendung des Inventars: (2) Kosten der verkauften Waren: Gewichteter Mittelwert (Runden Sie Ihre Antworten auf den nächsten Dollar und runden Sie Ihre Berechnung pro Stückkosten zu (1) Beendigung des Inventars: (2) Kosten der verkauften Waren: (c) Welcher Kostenfluss: (1) Höchster Bestandsbetrag für die Bilanz (2) Höchste Kosten Der verkauften Waren für die Gewinn - und Verlustrechnung (b) Beantworten Sie die folgenden Fragen für das Management: (1) Welche Kostendurchlaufmethode ergibt den sinnvolleren Bestandsbetrag für die Bilanz (2) Welcher Kostendurchsatz ergibt den sinnvolleren Nettogewinn (3) (4) Wie viel mehr Geld für das Management im Rahmen von LIFO zur Verfügung stehen wird (a) Wird das Bruttoergebnis unter Durchschnittskostenmethode höher oder niedriger als das FIFO sein (b) Wird das Bruttoergebnis Unter Durchschnittskosten Methode höher oder niedriger als LIFO (i) Ende Inventar. Ii) Kosten der verkauften Waren. (Iii) Bruttogewinn. (Iv) Bruttogewinn (rund auf den nächsten Zehntelprozent). (2) Berechnen Sie folgendes mit FIFO: (i) Beenden des Inventars. Ii) Kosten der verkauften Waren. (Iii) Bruttogewinn. (Iv) Rohertragsquote (rund auf den nächsten Zehntelprozent). (3) Berechnen Sie die folgenden unter Verwendung der gewogenen durchschnittlichen Kosten unter dem periodischen System: (i) Beenden des Inventars unter Durchschnittskosten (rund auf den nächsten Cent). () () Bei der Berechnung der Gesamtkosten des Inventars, runden Sie Ihre Berechnung der durchschnittlichen Kosten pro Einheit auf drei Dezimalstellen. Ii) Kosten der unter den Durchschnittskosten verkauften Waren (rund auf den nächsten Cent). (Iii) Rohertrag unter Durchschnittskosten (rund auf den nächsten Cent). (Iv) Rohertragsrate unter Durchschnittskosten (rund auf den nächsten Zehntelprozent). Beantworten Sie die folgenden Fragen für das Management: (1) Welche Bestandskosten-Flow-Methode liefert den aussagekräftigsten Bestandsbetrag für die Bilanz (2) Welche Bestandskosten-Methode liefert den bedeutendsten Nettogewinn (3) Welche Bestandskosten-Flow-Methode am wahrscheinlichsten ist (4) Wie viel zusätzliches Bargeld für das Management im Rahmen des LIFO zur Verfügung stehen wird als im Rahmen des FIFO (5) Wie viel des Bruttogewinns im Rahmen des FIFO ist im Vergleich zum Bruttoergebnis unter LIFO illusorisch zum 31. Dezember , Hooked on Books nimmt ein Inventar im Einzelhandel. Die tatsächlichen Einzelhandelswerte der Vorräte in jeder Abteilung sind Hardcovers 400 000 und Paperbacks 88 000. (a) Verwenden Sie die Einzelhandel-Bestandsmethode und runden die Kosten-zu-Einzelhandel-Verhältnis auf den nächsten ganzen Prozentsatz ab, um die geschätzten Kosten des Endes zu bestimmen Inventar zum 31. Oktober 2007 für: (1) Hardcover (b) Berechnen Sie das endgültige Inventar zu Anschaffungskosten für jede Abteilung am 31. Dezember, wenn die Cost-to-Retail-Ratios für das Jahr 65 für Hardcover und 70 für Paperbacks sind. (3) Beenden des Inventars für Hardcovers (4) Beenden des Inventars für Taschenbücher Copyright 2000-2008 von John Wiley amp Sons, Inc. oder verwandter Unternehmen. Alle Rechte vorbehalten.