Devuelve valores a lo largo de una curva de tendencia (Ej. lineal, cuadrática, exponencial, etc.) en el tiempo T+m.
Sintaxis
NxTrend(X, Order, Trend_type, POrder, Const, Horizon, Return_type, Alpha)
- X
- son los datos de la serie de tiempo univariante (una matriz unidimensional de celdas (Ej. filas o columnas)).
- Order
- es el orden de tiempo en las series de datos (Ej.el primer punto de datos corresponde (fecha más temprana=1 (defecto), ultima fecha=0)).
Orden Descripción 1 ascendente (el primer punto de datos corresponde a la fecha más temprana) (defecto) 0 descendente (el primer punto de datos corresponde a la ultima fecha) - Trend_type
- es una bandera para la descripción del modelo para la función de la tendencia (1 = Lineal (defecto), 2 = Polinomial, 3 = Exponencial, 4 = Logaritmica, 5 = Power).
Orden Descripción 1 Lineal (defecto) 2 Polinomial 3 Exponencial 4 Logaritmica 5 Potente - POrder
- es la orden polinomial. Este es unicamente relevante para un tipo polinomial de tendencia y es ignorada para todas las otras. Si falta POrder =1.
- Const
- es la constante o el valor intercepto para corregir (Es decir, cero).Si falta, un intercepto no será arreglado y se computa normalmente.
- Horizon
- es el pronóstico de tiempo/horizonte más allá del final de X.Si falta se toma un valor por defecto 0 (ultimo o final de X).
- Return_type
- is a switch to select the return output (1 = Valor Pronosticado (defecto), 2 = limite superior , 3 = limite inferior", 4 = R-Cuadrado ).
Método Descripción 1 Valor Pronosticado (defecto) 2 Limite superior 3 Limite inferior 4 R-Cuadrado - Alpha
- es el nivel de significancia o confianza (Es decir, alpha). Si e falta o es omitido, se toma un valor aplha de 5%.
Observaciones
- NxTrend soporta las siguientes funciones de tendencia:
$$ \begin{cases} \mathrm{Linear} & Y_t=\alpha + \beta \times t \\ \mathrm{Polynomial} & Y_t=\alpha + \beta_1 \times t + \beta_2 \times t^2 + \cdots + \beta_N \times t^N \\ \mathrm{Exponential:} & Y_t= \alpha \times e^{\beta \times t} \\ \mathrm{Logarithm:} & Y_t= \alpha + \beta \times \ln(t) \\ \mathrm{Power:} & Y_t= \alpha \times t^{\beta} \\ \end{cases} $$ - Para la tendencia exponencial y logarítmica, no se permite arreglar el valor del intercepto, y entonces es ignorado.
- La tendencia de Excel creada como función (Es, decir, "Tendencia") es una función diferente, no es parte de NumXL, y no deben confundirse con NXTrend.
- El argumento de orden polinomial debe ser un número entero positivo.
- los coeficientes de la función de tendencia que mejor se ajustan a sus datos son estimados usando el método de mínimos cuadrados.
- Las series de tiempo pueden incluir valores faltantes (Ej. #N/A) en cada extremo.
Ejemplos
Ejemplo 1:
|
|
Enlaces Relacionados
Referencias
- Hamilton, J .D.; Time Series Analysis , Princeton University Press (1994), ISBN 0-691-04289-6
- Tsay, Ruey S.; Analysis of Financial Time Series John Wiley & SONS. (2005), ISBN 0-471-690740
Comentarios
El artículo está cerrado para comentarios.