NxTrend - Curva de tendencia

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

1. NxTrend soporta las siguientes funciones de tendencia:
   $$ \begin{cases} \mathrm{Linear} & Y_t=\alpha + \beta \times t \\ \mathrm{Polynomial} & Y_t=\alpha + \beta_1 \times t + \beta_2 \times t^2 + \cdots + \beta_N \times t^N \\ \mathrm{Exponential:} & Y_t= \alpha \times e^{\beta \times t} \\ \mathrm{Logarithm:} & Y_t= \alpha + \beta \times \ln(t) \\ \mathrm{Power:} & Y_t= \alpha \times t^{\beta} \\ \end{cases} $$
2. Para la tendencia exponencial y logarítmica, no se permite arreglar el valor del intercepto, y entonces es ignorado.
3. 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.
4. El argumento de orden polinomial debe ser un número entero positivo.
5. los coeficientes de la función de tendencia que mejor se ajustan a sus datos son estimados usando el método de mínimos cuadrados.
6. Las series de tiempo pueden incluir valores faltantes (Ej. #N/A) en cada extremo.

Ejemplos de archivos

Enlaces Relacionados

• Wikipedia - Regresión lineal.

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.