Weighted Moving Average

Summary

Dans cette vidéo, nous apprenons à calculer une moyenne mobile pondérée dans Excel en utilisant des poids différents pour chaque période. Ce procédé permet de donner plus d'importance aux valeurs récentes lorsqu'un tendance est présente dans les données. La vidéo montre comment implémenter cette méthode avec une formule Excel, puis optimiser les poids à l’aide de l'outil Solver. Après optimisation, l'erreur de prévision (MAPE) est réduite de 13%. Ce processus est essentiel pour améliorer la précision des prévisions dans les entreprises, en utilisant des techniques d'optimisation modernes.

Takeaways

• 😀 Un modèle de moyenne mobile pondérée (MMP) donne plus d'importance aux données récentes pour des prévisions plus précises, surtout lorsque des tendances sont présentes.
• 😀 Dans une MMP, chaque valeur passée est multipliée par un poids, puis les résultats sont additionnés et divisés par la somme des poids.
• 😀 Les poids dans un modèle de moyenne mobile pondérée peuvent être choisis manuellement ou optimisés à l'aide de l'outil Solver d'Excel.
• 😀 Pour une période de 3, les poids peuvent être 3, 2 et 1, où 3 correspond à la période la plus récente et 1 à la période la plus ancienne.
• 😀 L'utilisation de la fonction AutoSum dans Excel permet de calculer facilement la somme des poids.
• 😀 L'optimisation des poids dans Excel se fait en définissant un objectif, comme la minimisation de l'erreur de prévision (MAPE).
• 😀 L'outil Solver d'Excel est utilisé pour ajuster les poids de manière à réduire l'erreur dans les prévisions.
• 😀 Les variables optimisées dans Excel sont les poids, qui doivent répondre à des contraintes comme la somme égale à 1 et être non négatifs.
• 😀 L'amélioration de la précision des prévisions après optimisation peut être mesurée à l'aide du MAPE, qui montre une amélioration de 13 % dans l'exemple présenté.
• 😀 L'utilisation du Solver dans Excel reflète la tendance actuelle des entreprises à optimiser leurs processus d'affaires à l'aide de la technologie.
• 😀 Excel permet d'automatiser le processus d'ajustement des poids pour améliorer les prévisions, rendant ce processus plus rapide et plus fiable.

Q & A

Qu'est-ce qu'un calcul de moyenne mobile pondérée et comment est-il différent de la moyenne mobile régulière ?

Une moyenne mobile pondérée attribue des poids différents aux valeurs passées, contrairement à la moyenne mobile régulière où toutes les périodes ont le même poids. Les périodes récentes peuvent avoir un poids plus élevé pour refléter leur importance plus grande dans la prévision.

Pourquoi les valeurs récentes sont-elles plus importantes dans les prévisions basées sur les moyennes mobiles ?

Les valeurs récentes sont souvent plus représentatives des tendances actuelles dans les données. En donnant plus de poids aux valeurs récentes, on améliore la précision des prévisions, notamment dans les situations où un changement de tendance est observé.

Comment la fonction Solver d'Excel aide-t-elle à optimiser les poids dans la moyenne mobile pondérée ?

La fonction Solver permet d'optimiser les poids en minimisant l'erreur de prévision, comme l'erreur absolue moyenne en pourcentage (MAPE). Elle ajuste les poids des différentes périodes tout en respectant certaines contraintes, comme la somme des poids devant être égale à 1 et les poids devant être positifs.

Comment calcule-t-on la moyenne mobile pondérée pour une période de 3 mois ?

Pour une période de 3 mois, la formule est basée sur la combinaison des valeurs passées, chaque valeur étant multipliée par un poids spécifique. Le total des produits est ensuite divisé par la somme des poids pour obtenir la prévision.

Pourquoi faut-il bloquer les références de cellules dans Excel lors de l'application de la formule ?

Bloquer les références de cellules permet de maintenir les références constantes lorsque la formule est copiée dans d'autres cellules, ce qui est essentiel pour appliquer la même logique de calcul aux différentes périodes sans que les références ne changent.

Qu'est-ce que la fonction AutoSum dans Excel et comment est-elle utilisée dans ce contexte ?

La fonction AutoSum est utilisée pour calculer rapidement la somme des valeurs dans une plage de cellules. Dans ce contexte, elle est utilisée pour additionner les poids dans la formule de la moyenne mobile pondérée.

Quel est le rôle de l'erreur absolue moyenne en pourcentage (MAPE) dans cette méthode ?

Le MAPE est utilisé comme une mesure de la qualité de la prévision. Il permet de quantifier l'erreur en pourcentage, ce qui est utile pour évaluer l'efficacité de la méthode de prévision et l'impact des ajustements des poids.

Comment le Solver optimise-t-il les poids dans le modèle de moyenne mobile pondérée ?

Le Solver optimise les poids en ajustant les valeurs pour minimiser l'erreur MAPE. Les poids sont modifiés tout en respectant les contraintes définies, telles que la somme des poids devant être égale à 1 et les poids devant être non négatifs.

Quelles sont les conditions que le Solver doit respecter lors de l'optimisation des poids ?

Les conditions incluent que la somme des poids doit être égale à 1 et que les poids ne doivent pas être inférieurs à zéro. Ces contraintes garantissent des poids réalistes et permettent une optimisation correcte.

Comment la fonction Solver améliore la qualité de la prévision dans ce modèle ?

Le Solver améliore la qualité de la prévision en ajustant les poids de manière à minimiser l'erreur de prévision, ce qui conduit à un meilleur ajustement du modèle aux données réelles et à une réduction de l'erreur MAPE.