非正常情况下的移动加权平均算法

Posted 咏南中间件和开发框架

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了非正常情况下的移动加权平均算法相关的知识,希望对你有一定的参考价值。

非正常情况下的移动加权平均算法

什么叫移动加权平均法?

百度上的解释:移动加权平均法是指以每次进货的成本加上原有库存存货的成本,除以每次进货数量与原有库存存货的数量之和,

据以计算加权平均单位成本,以此为基础计算当月发出存货的成本和期末存货的成本的一种方法。

这只能说是正常使用情况下的(或者说书面上理想情况下的)移动加权平均算法。

这种算法是建立在先进货(有了库存成本),后销售的条件上才能计算。

什么叫非正常情况?

因为有“先卖后进”的现象存在。商品没有进货,就要销售。这时,商品资料不完善(商品只有售价,没有进价,没有库存数量),商品就要售卖。

商品每销售一个就减少一个库存数量,因为没有进货,所以商品的库存数量会出现“负库存”。

销售的时候不知道销售成本价。

非正常情况下如何计算商品的移动加权平均价(以下简称平均价)?

要分3种情况:

1)当商品的原平均价=0,商品的平均价=本次进货成本价

2)当商品的原平均价为NULL(商品未初始化过,故平均价为NULL),商品的平均价=本次进货成本价

3)当商品的原平均价>0,(原平均价*库存数量+本次进货成本)/(库存数量+本次进货数量)

库存数量=原库存数量+本次进货数量

库存成本=平均价*库存数量

 

以上是关于非正常情况下的移动加权平均算法的主要内容,如果未能解决你的问题,请参考以下文章

优化算法之指数加权平均详解

一文速学-时间序列分析算法之加权移动平均法详解+Python代码实现

指数加权平均动量梯度下降法RMSpropAdam优化算法

指数加权平均动量梯度下降法RMSpropAdam优化算法

简单移动平均线加权移动平均线指数平滑移动平均

使用 pandas Rolling 方法计算加权移动平均值