Bewegende Gemiddelde In Tm1

Sigblad implementering van seisoenale aanpassing en eksponensiële gladstryking Dit is maklik om seisoenale aanpassing voer en pas eksponensiële gladstryking modelle met behulp van Excel. Die skerm beelde en kaarte hieronder is geneem uit 'n sigblad wat is opgestel om multiplikatiewe seisoenale aanpassing en lineêre eksponensiële gladstryking op die volgende kwartaallikse verkope data van Buitenboord Marine illustreer: Om 'n afskrif van die sigbladlêer self te bekom, kliek hier. Die weergawe van lineêre eksponensiële gladstryking wat hier gebruik sal word vir doeleindes van demonstrasie is Brown8217s weergawe, bloot omdat dit geïmplementeer kan word met 'n enkele kolom van formules en daar is net een glad konstante te optimaliseer. Gewoonlik is dit beter om Holt8217s weergawe dat afsonderlike glad konstantes vir vlak en tendens het gebruik. Die vooruitskatting proses verloop soos volg: (i) die eerste keer die data is seisoenaal-aangepaste (ii) dan voorspellings gegenereer vir die seisoenaal-aangepaste data via lineêre eksponensiële gladstryking en (iii) Ten slotte het die seisoensaangesuiwerde voorspellings is quotreseasonalizedquot om voorspellings vir die oorspronklike reeks te verkry . Die aanpassingsproses seisoenale word in kolomme gedoen D deur G. Die eerste stap in seisoenale aanpassing is om te bereken 'n gesentreerde bewegende gemiddelde (hier opgevoer in kolom D). Dit kan gedoen word deur die gemiddelde van twee een-jaar-wye gemiddeldes wat geneutraliseer deur 'n tydperk relatief tot mekaar. ( 'N kombinasie van twee geneutraliseer gemiddeldes eerder as 'n enkele gemiddelde nodig vir sentrering doeleindes wanneer die aantal seisoene is selfs.) Die volgende stap is om die verhouding te bereken om bewegende gemiddelde --i. e. die oorspronklike data gedeel deur die bewegende gemiddelde in elke tydperk - wat hier uitgevoer word in kolom E. (Dit is ook die quottrend-cyclequot komponent van die patroon genoem, sover tendens en besigheid-siklus effekte kan oorweeg word om almal wat bly nadat gemiddeld meer as 'n geheel jaar se data. natuurlik, maand-tot-maand veranderinge wat nie as gevolg van seisoenale kan bepaal word deur baie ander faktore, maar die 12-maande-gemiddelde glad oor hulle 'n groot mate.) die na raming seisoenale indeks vir elke seisoen word bereken deur die eerste gemiddeld al die verhoudings vir daardie spesifieke seisoen, wat gedoen word in selle G3-G6 behulp van 'n AVERAGEIF formule. Die gemiddelde verhoudings word dan verklein sodat hulle som presies 100 keer die aantal periodes in 'n seisoen, of 400 in hierdie geval, wat gedoen word in selle H3-H6. Onder in kolom F, word VLOOKUP formules wat gebruik word om die toepaslike seisoenale indeks waarde in elke ry van die datatabel voeg, volgens die kwartaal van die jaar wat dit verteenwoordig. Die gesentreerde bewegende gemiddelde en die seisoensaangepaste data beland lyk soos hierdie: Let daarop dat die bewegende gemiddelde lyk tipies soos 'n gladder weergawe van die seisoensaangepaste reeks, en dit is korter aan beide kante. Nog 'n werkblad in dieselfde Excel lêer toon die toepassing van die lineêre eksponensiële gladstryking model om die seisoensaangepaste data, begin in kolom G. 'n Waarde vir die glad konstante (alfa) bo die voorspelling kolom ingeskryf (hier, in sel H9) en vir gerief dit die omvang naam quotAlpha. quot (die naam is opgedra deur die opdrag quotInsert / naam / Createquot.) die LES model is geïnisialiseer deur die oprigting van die eerste twee voorspellings gelyk aan die eerste werklike waarde van die seisoensaangepaste reeks toegeken. Die formule wat hier gebruik word vir die LES voorspelling is die enkel-vergelyking rekursiewe vorm van Brown8217s model: Hierdie formule is in die sel wat ooreenstem met die derde tydperk (hier, sel H15) aangegaan en kopieer af van daar af. Let daarop dat die LES voorspelling vir die huidige tydperk verwys na die twee voorafgaande waarnemings en die twee voorafgaande voorspelling foute, sowel as om die waarde van alfa. So, die voorspelling formule in ry 15 slegs verwys na data wat beskikbaar is in ry 14 en vroeër was. (Natuurlik, as ons wou eenvoudig in plaas van lineêre eksponensiële gladstryking te gebruik, kan ons die SES formule hier vervang in plaas. Ons kan ook gebruik Holt8217s eerder as Brown8217s LES model, wat nog twee kolomme van formules sou vereis dat die vlak en tendens bereken wat gebruik word in die vooruitsig.) die foute word bereken in die volgende kolom (hier, kolom J) deur die aftrekking van die voorspellings van die werklike waardes. Die wortel beteken kwadraat fout is bereken as die vierkantswortel van die variansie van die foute plus die vierkant van die gemiddelde. (Dit volg uit die wiskundige identiteit. MSE afwyking (foute) (gemiddeld (foute)) 2) By die berekening van die gemiddelde en variansie van die foute in hierdie formule, is die eerste twee periodes uitgesluit omdat die model vooruitskatting nie eintlik nie begin totdat die derde tydperk (ry 15 op die sigblad). Die optimale waarde van alfa kan óf gevind word deur die hand verander alfa tot die minimum RMSE is gevind, of anders kan jy die quotSolverquot gebruik om 'n presiese minimering. Die waarde van alfa dat die Solver gevind word hier (alpha0.471) getoon. Dit is gewoonlik 'n goeie idee om die foute van die model (in omskep eenhede) te plot en ook om te bereken en stip hul outokorrelasies by lags van tot een seisoen. Hier is 'n tydreeks plot van die (seisoenaangepaste) foute: Die fout outokorrelasies word bereken deur gebruik te maak van die funksie CORREL () om die korrelasies van die foute te bereken met hulself uitgestel word deur een of meer periodes - besonderhede word in die sigblad model . Hier is 'n plot van die outokorrelasies van die foute by die eerste vyf lags: Die outokorrelasies by lags 1 tot 3 is baie naby aan nul, maar die pen op lag 4 (wie se waarde is 0.35) is 'n bietjie lastig - dit dui daarop dat die seisoenale aanpassing proses het nie heeltemal suksesvol. Maar dit is eintlik net effens betekenisvol. 95 betekenis bands om te toets of outokorrelasies is aansienlik verskil van nul is min of meer plus-of-minus 2 / SQRT (N-k), waar n die steekproefgrootte en k is die lag. Hier N 38 en k wissel van 1 tot 5, so die vierkant-wortel-van-n-minus-k is ongeveer 6 vir almal, en vandaar die perke vir die toets van die statistiese betekenisvolheid van afwykings van nul is min of meer plus - of-minus 2/6, of 0.33. As jy die waarde van alfa wissel met die hand in hierdie Excel model, kan jy die effek op die tydreeks en outokorrelasie erwe van die foute in ag te neem, sowel as op die wortel-gemiddelde-kwadraat fout, wat onder sal wees geïllustreer. Aan die onderkant van die sigblad, is die voorspelling formule quotbootstrappedquot in die toekoms deur bloot vervang voorspellings vir werklike waardes by die punt waar die werklike data loop uit - d. w.z. waar quotthe futurequot begin. (Met ander woorde, in elke sel waar 'n toekomstige datawaarde sou plaasvind, 'n selverwysing is ingevoeg wat daarop dui dat die voorspelling gemaak vir daardie tydperk.) Al die ander formules is eenvoudig van bo af gekopieer: Let daarop dat die foute vir voorspellings van die toekoms is al bereken as nul. Dit beteken nie dat die werklike foute sal nul wees nie, maar eerder dit weerspieël bloot die feit dat vir doeleindes van voorspelling is ons veronderstelling dat die toekoms data die voorspellings sal gelyk gemiddeld. Die gevolglike LES voorspellings vir die seisoenaal-aangepaste data soos volg lyk: Met hierdie besondere waarde van Alpha, wat is optimaal vir een-periode-vooruit voorspellings, die geprojekteerde tendens is effens opwaarts, wat die plaaslike tendens wat oor die afgelope 2 jaar is waargeneem of so. Vir ander waardes van Alpha dalk 'n heel ander tendens projeksie verkry. Dit is gewoonlik 'n goeie idee om te sien wat gebeur met die langtermyn-tendens projeksie wanneer Alpha is uiteenlopend, omdat die waarde wat die beste vir 'n kort termyn vooruitskatting sal nie noodwendig die beste waarde vir die voorspelling van die meer verre toekoms wees. Byvoorbeeld, hier is die resultaat wat verkry word indien die waarde van alfa hand is ingestel op 0,25: Die geprojekteerde langtermyn-tendens is nou negatiewe eerder as positiewe Met 'n kleiner waarde van Alpha model plaas meer gewig op ouer data in sy skatting van die huidige vlak en tendens, en sy voorspellings langtermyn weerspieël die afwaartse neiging waargeneem oor die afgelope 5 jaar, eerder as die meer onlangse opwaartse neiging. Hierdie grafiek ook duidelik illustreer hoe die model met 'n kleiner waarde van Alpha is stadiger te reageer op quotturning pointsquot in die data en dus geneig is om 'n fout van die dieselfde teken maak vir baie tye in 'n ry. Die 1-stap-ahead voorspelling foute is groter gemiddeld as dié verkry voordat (RMSE van 34,4 eerder as 27.4) en sterk positief autocorrelated. Die lag-1 outokorrelasie van 0,56 oorskry grootliks die waarde van 0.33 hierbo bereken vir 'n statisties beduidende afwyking van nul. As 'n alternatief vir slingerspoed die waarde van alfa ten einde meer konserwatisme te voer in 'n lang termyn voorspellings, is 'n quottrend dampeningquot faktor soms by die model ten einde te maak die geprojekteerde tendens plat uit na 'n paar periodes. Die finale stap in die bou van die voorspelling model is om die LES voorspellings quotreasonalizequot deur hulle deur die toepaslike seisoenale indekse te vermenigvuldig. So, die reseasonalized voorspellings in kolom Ek is net die produk van die seisoenale indekse in kolom F en die seisoensaangepaste LES voorspellings in kolom H. Dit is relatief maklik om vertrouensintervalle bereken vir een-stap-ahead voorspellings gemaak deur hierdie model: eerste bereken die RMSE (wortel-gemiddelde-kwadraat fout, wat net die vierkantswortel van die MSE) en dan bereken 'n vertrouensinterval vir die seisoensaangepaste voorspel deur optelling en aftrekking twee keer die RMSE. (Oor die algemeen 'n 95 vertrouensinterval vir 'n een-tydperk lig voorspelling is min of meer gelyk aan die punt voorspelling plus-of-minus twee keer die geskatte standaardafwyking van die voorspelling foute, die aanvaarding van die fout verspreiding is ongeveer normale en die steekproefgrootte groot genoeg is, sê, 20 of meer. Hier is die RMSE eerder as die monster standaardafwyking van die foute is die beste raming van die standaard afwyking van toekomstige vooruitsig foute, want dit neem vooroordeel sowel toevallige variasies in ag.) die vertroue perke vir die seisoensaangepaste voorspelling is dan reseasonalized. saam met die voorspelling, deur hulle met die toepaslike seisoenale indekse te vermenigvuldig. In hierdie geval is die RMSE is gelyk aan 27.4 en die seisoensaangepaste voorspelling vir die eerste toekoms tydperk (Desember-93) is 273,2. sodat die seisoensaangepaste 95 vertrouensinterval is 273,2-227,4 218,4 te 273.2227.4 328,0. Vermenigvuldig hierdie perke deur Decembers seisoenale indeks van 68,61. Ons kry onderste en boonste vertroue grense van 149,8 en 225,0 rondom die Desember-93 punt voorspelling van 187,4. Vertroue perke vir voorspellings meer as een tydperk wat voorlê, sal oor die algemeen uit te brei as die voorspelling horison toeneem, as gevolg van onsekerheid oor die vlak en tendens asook die seisoenale faktore, maar dit is moeilik om hulle te bereken in die algemeen deur analitiese metodes. (Die geskikte manier om vertroue perke vir die LES voorspelling bereken is deur die gebruik van ARIMA teorie, maar die onsekerheid in die seisoenale indekse is 'n ander saak.) As jy 'n realistiese vertroue interval vir 'n voorspelling wil meer as een tydperk wat voorlê, met al die bronne van fout in ag, jou beste bet is om empiriese metodes gebruik: byvoorbeeld, 'n vertrouensinterval vir 'n 2-stap vorentoe voorspel verkry, jy kan 'n ander kolom skep op die sigblad om 'n 2-stap-ahead voorspelling bereken vir elke tydperk ( deur Opstarten die een-stap-ahead voorspelling). bereken dan die RMSE van die 2-stap-ahead voorspelling foute en gebruik dit as die grondslag vir 'n vertroue 2-stap-ahead interval. TM1 Ontwikkelaars Jobs Die volgende tabel is vir 'n vergelyking met die bogenoemde en bied statistieke vir die hele titels Job kategorie in permanente poste geadverteer in die Verenigde Koninkryk. Die meeste werk vakatures sluit in 'n waarneembaar postitel. As sodanig is die figure in die eerste ry gee 'n aanduiding van die totale aantal permanente werk in die algehele monster. Titels Job Kategorie Britse Permanente IT werk advertensies met 'n wedstryd in die posbenaming kategorie Soos alle permanente IT bane in die Verenigde Koninkryk Getal salarisse aangehaal Mediaan salaris verandering jaar-tot-jaar 90 aangebied om 'n salaris van meer as 10 aangebied om 'n salaris van meer as die Verenigde Koninkryk uitgesluit Londen mediaan salaris TM1 Ontwikkelaars Jobs vraag trend die vraag tendens van werk advertensies wat TM1 Ontwikkelaars featured in die postitel. TM1 Ontwikkelaars Salaris Trend Hierdie grafiek gee die 3-maande bewegende gemiddelde vir salarisse in permanente IT bane met verwysing na TM1 Ontwikkelaars binne die Verenigde Koninkryk aangehaal. hieronder TM1 Ontwikkelaars Top 2 Job Locations Die tabel kyk na die vraag en bied 'n gids tot die mediaan salarisse in IT werk aangehaal met verwysing na TM1 Ontwikkelaars binne die Verenigde Koninkryk oor die 3 maande tot 7 Oktober 2016. Die kolom posisie Change gee 'n aanduiding van die verandering in aanvraag in elke plek wat gebaseer is op die dieselfde tydperk 3 maande verlede jaar. Plek (Klik sien gedetailleerde statistieke en tendense) Rang Verandering op dieselfde tydperk verlede jaar ooreenstem Permanente IT Job advertensies Mediaan Salaris Laaste 3 MonthsIBM Cognos Bewese praktyke: IBM Cognos TM1 feeders Inleiding Doel Een van die meer gevorderde konsepte in die ontwikkeling van IBM Cognos TM1 blokkies is die behoorlike implementering van feeders binne TM1 reëls. Hierdie dokument beskryf feeders en hoe om dit effektief te gebruik vir verbeterde prestasie by die bou van IBM Cognos TM1 blokkies. Voorvereiste Hierdie dokument beslaan 'n gevorderde IBM Cognos TM1 konsep en gebruik TM1-spesifieke terminologie. Die leser moet 'n begrip van IBM Cognos TM1 blokkies, dimensies, reëls, en terminologie het voordat jy voortgaan. Toepaslikheid IBM Cognos TM1 9.5.1 deur IBM Cognos TM1 10.1 Uitsluitings en uitsonderings Geen uitsluitings of uitsonderings is geïdentifiseer. Definisie Wat is feeders feeders word deur die IBM Cognos TM1 berekening enjin om te help met die hantering van sparsity in blokkies met SKIPCHECK aangeskakel. Sommige blokkies kan reël berekeninge, maar wees baie klein of digte en mag nie SKIPCHECK nodig. Feeders identifiseer die selle in 'n kubus wat 'n reëlgebaseerde berekende waarde kan bevat en verseker hierdie waardes is opgeneem in samevoeging berekeninge. SKIPCHECK is 'n sleutel woord aan die bokant van 'n reël lêer wat TM1s yl data konsolidasie algoritme stel geloop. Blokkies gebruik te maak van SKIPCHECK sal tipies vereis feeders, nog 'n belangrike woord later ingegaan in 'n reël lêer. Verwys asseblief na afdeling 2.3 vir meer inligting oor SKIPCHECK. Hoekom gebruik feeders OLAP blokkies kan baie yl bevolk as sodanig bestuur van data binne TM1 blokkies raak baie belangrik wees. Die onderstaande is voorbeelde van sake wat die konstruksie van TM1 Cubes: Voorbeeld 1 Verkope Cube Dink aan 'n verkope kubus met die volgende afmetings en van element tel: Stores (500) Geografie (300) Produkte (50000) kanale (6) Besigheid Eenheid (12 ) Tyd (300) Maatreëls (15) cube sel tel 500 300 50000 6 12 300 15 2.430.000.000.000.000 selle TM1 winkels al die data as 'n dubbel, maar die geheue verbruik deur die stoor van elke sel is afhanklik van die aantal dimensies in die kubus. A 5 dimensionele kubus sal require143 grepe per sel vir data stoor (uitgesluit RAM nodig is vir gevoed selle) Die gebruik van standaard digte matriks algoritmes vir bewerkings in 'n yl kubus kan groot hoeveelhede van die rekenaar hulpbronne verbruik en 'n aansienlike bedrag van die tyd om te voltooi. Ten einde uitvoering berekening in yl blokkies verbeter, IBM Cognos TM1 by verstek gebruik 'n yl data samevoeging algoritme. Dit laat IBM Cognos TM1 om dimensionele riffen of konsolidasies baie vinnig en doeltreffend uit te voer. Hou in gedagte dat hierdie dimensionele riffen of konsolidasies is bereken gebaseer op die hiërargiese ontwerp van die gebruik deur die kubus dimensies. Hulle is anders as berekeninge reëlgebaseerde wat gebruik word om verskillende selle bereken binne of oor dimensies en blokkies. 'N Voorbeeld van 'n dimensionele samevoeging of konsolidasie sou 'n produk dimensie wat die items Produk A, Produk B, Produk C, en Total Produkte bevat nie. Op grond van die hiërargiese ontwerp van die dimensie, sal enige selle met waardes vir Produk A, Produk B, en Produk C-gemiddeld tot Totaal Produkte. 'N Voorbeeld van 'n reëlgebaseerde berekening sou wees: Prys Deel Inkomstediens. In IBM Cognos TM1, is reëls omskryf buite die dimensie in die TM1 Reëls Redakteur en word dan gered na 'n TM1 kubus. Maar, sodra IBM Cognos TM1 vasgestel dat 'n reël het om 'n kubus is bygevoeg (wanneer 'n. rux lêer is geskep en gered) die yl data samevoeging algoritme sal outomaties afgeskakel deur TM1. Dit is om te verseker dat die gemiddelde berekeninge waardes wat die reël berekende waardes insluit, sal bereken. Die reël berekende waardes hulself sal altyd korrek wees. As die reël dan toegepas word, sal die TM1 kubus prestasie aansienlik verminder, aangesien dit nie voordeel kan trek uit die yl data samevoeging algoritme. Gemiddeld groot en yl blokkies sal ervaring prestasie agteruitgang, terwyl kleiner blokkies kan nie. As die yl konsolidasie algoritme is links op, sou TM1 slaan oor reël bereken selle wanneer die berekening van konsolidasies, dus terugkeer 'n verkeerde gevolg. As die yl konsolidasie algoritme is afgeskakel, sal TM1 die korrekte resultaat terug, maar die stelsel sal aansienlik stadiger geword. Dit is duidelik dat beide van die bogenoemde opsies is ongewens, wat gelei het tot die konsep van feeders bekendgestel. Feeders is 'n manier om toe te laat blokkies wat reëls bevat om voort te gaan om die prestasie voordele van die yl konsolidasie algoritme hefboom, maar ook om te verseker dat reël bereken selle is nie oorgeslaan wanneer gekonsolideer selle word bereken. Yl blokkies met geen konsolidasies en geen nul onderdrukking vereistes kan reël berekeninge met geen feeders bevat. Ook die digter 'n kubus, ongeag die grootte, sal die minder as kubus baat vind by skipcheck en armes. Wat is SKIPCHECK SKIPCHECK word in TM1 reëls as 'n yl konsolidasie algoritme. Dit oorheers in wese TM1 verstek gedrag vir blokkies met reëls. Wat is die verstek By verstek SKIPCHECK is OP, totdat 'n reël lêer geskep word, wat effektief blyk skipcheck af. Hoe kan feeders werk In teenstelling met reëls, feeders altyd net van toepassing op blaar vlak selle en nooit tot gekonsolideer selle. Tog kan gekonsolideerde elemente gebruik word in die spesifikasie van 'n voerder verklaring as 'n snelskrif manier waarin alle blaar elemente binne die konsolidasie. Wanneer spesifiseer van 'n gekonsolideerde element in 'n voerder verklaring die volgende plaasvind: Voeding van 'n konsolidasie beteken al blaar afstammelinge van die konsolidasie sal voed as daar 'n waarde teenwoordig. Byvoorbeeld, as die gekonsolideerde element vervat vier blaar elemente, maar slegs twee van hierdie vervat 'n waarde, dan slegs dié twee sou voed. Voeding 'n konsolidasie beteken dat alle blaar selle onder die konsolidasie sal gevoer word. Byvoorbeeld, as die gekonsolideerde element vervat vier blaar elemente dan al vier blaar elemente sal gevoer word. Dit is 'n belangrike beginsel soos sommige mense verkeerdelik glo dat dit die konsolidasie wat doen die voeding of gevoed. Dit kan debugging reëls en armes moeiliker maak as hierdie beginsel is nie goed verstaan ​​nie. Wanneer 'n voerder toegepas dit stel 'n enkele byte vlag of pseudo data in 'n blaar sel te sein dat dit moet gekonsolideer word. Dit verseker dat die yl konsolidasie algoritme hierdie sel nie oor te slaan wanneer die berekening van gekonsolideerde waardes. Sodra gevoed, bly 'n sel gevoer totdat óf die bediener weer begin of die kubus is nie gelaai. In die algemeen, is feeders nie nodig vir reëls C vlak. Die enigste uitsondering is wanneer 'n reël is van toepassing op 'n gekonsolideerde element waar dit nie waardes het nie in enige van sy kind elemente. Ondervoeding en oorvoeding Dit is die rol van die reëls skrywer om te verseker dat bereken selle is korrek gevoed. Sorg moet gedra word om te verseker dat feeders voed presies hoeveel selle as wat nodig is, niks meer en niks minder nie. Daar kan heelwat newe-effekte as 'n model nie korrek gevoed. Ondervoeding vind plaas wanneer 'n paar of al die waardes wat word bereken nie gevoer word. In die meeste gevalle sal dit lei tot verkeerde resultate wanneer die hersiening van gekonsolideerde data in die kubus. Ondervoeding moet vermy word, aangesien dit die integriteit van die model ondermyn. By die skryf van feeders, moet jy begin met die inverse van die reël wat jy voed om te verseker voeding is voldoende. Oorvoeding vind plaas wanneer (a) selle wat dit nie bevat reël berekende waardes word gevoed of (b) wanneer reël bereken selle wat lei tot 'n waarde nul is gevoed. Albei hierdie situasies moet vermy word, maar veral (a). Terwyl oorvoeding sal nie lei tot foutiewe waardes in die kubus dit het 'n nadelige uitwerking op die stelsel prestasie. Die tyd wat dit neem om selle wat dit nie nodig het voeding voed is verwoes, en al die onnodige feeders beset geheue wat ook gemors. Oorvoeding kan 'n beduidende ontploffing in die geheue veroorsaak, en kan die uitvoering tyd van gekonsolideer navrae te verhoog. Waar is feeders gedefinieerde feeders word gedefinieer in die TM1 Reël Redakteur. In die algemeen, moet daar ten minste een gepaardgaande VOEDERAREAS vir elke reël wees. Die reëls moet soos volg gestruktureer: In kyk na opsomming vlakke vir berekende velde sal enige nie-nul waarde 'n oor-voer aan te dui. Figuur 11 toon 'n uitsig oor die IBM Cognos TM1 kubus Overfeeds waar AB vir V3 is overfed as dit rol tot Q1-10 selfs al is dit nul in die bron kubus. V3 vir Jan-10 is geïdentifiseer met 1, wat dui op die sel is overfed. Figuur 11 toon die oor-voeding van V3 vir Jan-10 Die verklaring vir die oor-voeding is die konstruksie van die voerder: Die stelsel gebruik die waarde van 'n om te bepaal of dit AB sou onderhou. Dit is die waarde van B. As gevolg hiervan ignoreer, sal die stelsel te voed AB wanneer Altgt0 EN B0, wat lei tot 'n nul AB. Soos sal later in 'n ander voorbeeld getoon word, is dit die normale manier van voeding 'n IBM Cognos TM1 kubus met behulp van vermenigvuldiging faktore. Dit sal lei tot 'n oor-voeding, maar gewoonlik nie so 'n mate waar dit erg impak prestasie. Tensy Voorwaardelike Feeders gebruik word, oor-voeding kan nooit heeltemal uitgeskakel uit 'n kubus waar vermenigvuldiging, deling, magsverheffing of ander bedrywighede plaasvind, maar dit kan verminder word deur die voeding van die veranderlike wat die meeste geneig om te wees nul. Die normale oplossing vir oorvoeding is om voorwaardelike feeders gebruik. Voorwaardelike feeders voorwaardes op feeders. Hierdie voorbeeld kan ook gebruik word om 'n ander VOEDERAREAS beginsel te illustreer. Die verandering van A tot nul sal steeds 'n as te veel gaan wei in die Overfeeds kubus. Dit is omdat wanneer 'n sel gevoer word altyd gevoer totdat die TM1 Server herwin of die TM1 TurboIntegrator funksie CubeProcessFeeders () uitgevoer word. Metode 6 Gebruik die Performance Monitor Hierdie metode sal nie spesifiek wys wat feeders is oor voeding, maar dit sal 'n idee van waar om te begin soek gee. Dikwels TM1 Ontwikkelaars word aangebied met 'n voltooide of gedeeltelik voltooide model wat stadig loop en is met behulp van 'n baie van die geheue. Begin die prestasie monitor in TM1 argitek deur regs te klik op die naam TM1 Server en kies Begin Performance Monitor van die spyskaart soos aangedui in figuur 12. Bevestig dat Display beheer voorwerpe soos gevind onder die kieslys opsie is geaktiveer. Figuur 12 Die konteks kieslys vertoon nadat regs te klik op 'n TM1 Server byvoorbeeld Bevestig dat Display beheer voorwerpe soos gevind onder die kieslys opsie is geaktiveer. Maak die StatsByCube stelsel kubus in IBM Cognos TM1 Cube Viewer en sien dit die volgende inligting op feeders bevat soos aangedui in figuur 13. Die Feeders lyn toon die aantal gevoed selle en geheue wat gebruik word deur die feeders onder die kolomme getiteld nommer van Fed Selle en geheue wat gebruik word vir Feeders onderskeidelik. Kyk vir blokkies met 'n besonder groot waardes onder hierdie kolomme. Gebruik 'n overfeeds kubus as vroeër in Metode 5 beskryf om vas te stel of enige berekeninge word oor-gevoed. Figuur 13 VOEDERAREAS inligting van die TM1 beheer Object StatsByCube Metode 7 Kyk na die TM1Server. log Soos die geval in die vorige metode was, hierdie metode sal nie direk lys wat feeders ondoeltreffende is, maar dit sal 'n goeie plek om te begin soek verskaf. In die tm1server. log lêer, die stelsel logs die laai van elk van die blokkies met die evaluering van die feeders vir elke kubus. Die tm1server. log lêer is geleë by verstek in die TM1 Data Gids vir die spesifieke TM1 Server byvoorbeeld jy besig is met. Die plekke van TM1 Data gidse is die gebruiker gedefinieerde. Die gebruik van die monster PlanSamp TM1 Server voorsien die standaard IBM Cognos TM1 installatiepakket, sou die tm1server. log lêer geplaas word by verstek in die volgende plek: C: Program FilesIBMcognostm1samplestm1PlanSamptm1server. log. Die volgende voorbeeld toon gekies lyne uit die tm1server. log lêer vir die kubus naam BW kosteberekening: Hierdie inligting kan gebruik word om die tyd wat dit neem om die feeders evalueer vir elke kubus te bepaal. As dit neem 'n lang tyd om die feeders evalueer vir 'n bepaalde kubus dan kan 'n aanduiding dat die feeders vervat in die kubus is ondoeltreffend wees. Definiëring feeders Hierdie afdeling besonderhede meeste van die verskillende tipes berekeninge en wys hoe om die meegaande VOEDERAREAS bou. As 'n algemene reël, wanneer pluk 'n element van 'n berekening te voed, haal die element wat toe nul die berekeninge resultate is ook nul. Dit is belangrik om daarop te let dat die manier waarop 'n voerder is gedefinieer hang af van die tipe van berekening. In hierdie artikel, sal 'n toevoerroete strategie beskryf vir elk van die volgende tipes berekening: As die berekening is 'n kombinasie van die bogenoemde, dan 'n kombinasie van die toepaslike VOEDERAREAS strategieë nodig sal wees vir elke komponent van die berekening. Soos met reëls, is daar twee maniere van die definisie van die voerder: 1) deur omsluit die naam member in vierkantige hakies en 2) die gebruik van die funksie DB (). Daar is voorbeelde van beide in verskeie van die volgende onderafdelings. Vermenigvuldiging Vermenigvuldiging is die maklikste berekening te voed. In die voorbeeld hierbo, is ons met behulp van A tot die berekening voed. Ons kan ook gekies B. Ons kon gekies óf een óf as 'n nul A of 'n nul B die berekening sal dwing om nul wees. Om die voerder verder te optimaliseer, moet 'n mens die element wat die meeste geneig om te wees nul kies. Om hierdie konsep verder te verduidelik, ons gaan 'n tipiese Inkomstediens berekening gebruik In hierdie voorbeeld, sou ons kies om te voed eenhede omdat eenhede is die meeste geneig om te wees nul. Byvoorbeeld, sal nie alle kliënte produkte te koop, sodat 'n groot deel van die kombinasies sal nul wees. prys sal waarskynlik nie-nul en hoofsaaklik vasgestel vir alle kombinasies van die produk en kliëntediens. Jy kan ook die voerder met behulp van die DB-formaat te definieer. Dit sou nie normaalweg nodig is om die DB-formaat te gebruik, tensy jy wees, Definiëring kubus-tot-kubus reëls Definiëring n voorwaardelike VOEDERAREAS manipuleer die feeders sodat VOEDERAREAS elemente wedstryd teiken elemente Die DB metode gee jou meer buigsaamheid as jy in staat is om te sluit voorwaardelike is state en IBM Cognos TM1 reël funksies. Verwys asseblief na die volgende afdelings vir verdere besonderhede en voorbeelde. Afdeling Dieselfde beginsels bespreek in die afdeling Vermenigvuldiging van toepassing op Afdeling. Weereens, die keuse van A of B nie die geval is regtig saak by die keuse van watter item te voed. Indien enige item nul dan die berekening gevolg sal nul wees of ongedefinieerde. Daarbenewens Hier het ons albei te voed, want 'n nul A die berekening nie noodwendig sal dwing om nul wees. Aftrek Soos met Daarbenewens het ons albei te voed, want 'n nul A die berekening nie noodwendig sal dwing om nul wees. Voorwaardelike Reëls Om dit te illustreer, het ons 'n voorbeeld wat algemeen gebruik word in die begroting of vooruitskatting aansoeke gekies. In die onderstaande voorbeeld (Figuur 14), is ons die uitvoering van 'n berekening vir slegs daardie maande wat gemerk as voorspelling maande (dws vanaf Mei-10 en verder, die voorspelling maande het 'n grys agtergrond. Figuur 14 toon die resultate van die gebruik van 'n voorwaardelike VOEDERAREAS vir die voorspelling maande begin met Mei-10 vir diegene maande wat gemerk as werklike (in hierdie geval Jan-10 tot April-10), het ons net wil oplaai of tik die resultaat van die berekening, agterkom dat die werklike vooruitsig maande ( ry EF (vir Voorspelling maande) en maande Jan-10 deur April-10) het 'n wit agtergrond in hul selle wat beteken dat hierdie selle hand geloop waardes kan aanvaar en is nie die resultaat van 'n berekening. die rede daarvoor is dat die die werklikheid, die getal is staties en ons nie wil hê dat die stelsel om dit anders te bereken as die manier waarop dit geberg word in die stelsel van rekord. in hierdie voorbeeld gebruik ons ​​'n kenmerk van die tyd dimensie aan werklike of voorspelling maande dui. Figuur 15 is 'n uitsig oor die eienskappe Redakteur waarin 'n nuwe kenmerk genaamd Werklike Vlag is bygevoeg en 'n paar spesifieke maande (Januarie-10 deur April-10) is aangedui met 'n a aan te dui watter maande bevat die werklikheid. Figuur 15 Die tydsdimensie kenmerk genaamd Werklike Vlag (teks) met 'n in die maande aangedui as werklike data Die reël is soos volg gedefinieer: die voerder is soos volg: Cube-tot-Cube Reëls 'n Eenvoudige voorbeeld word hieronder gebruik om cube - illustreer om-kubus reël feeders as dit is meer kompleks en dit stel meer uitdagings. Oorweeg bron en teiken blokkies gedefinieer vir die bron kubus FeederSource. Die FeederSource kubus het twee dimensies FeederSource (met 'n enkele item genaamd Bron) en Waarde (met 'n enkele item genaamd Waarde) en 'n enkele data waarde van 10, soos getoon in figuur 16. Figuur 16 toon die voorbeeld VOEDERAREAS bron kubus genoem FeederSource In Figuur 17 hieronder, sien ons 'n uitsig oor 'n IBM Cognos TM1 kubus genoem FeederTarget toon waardes gevoed uit die bron kubus genoem FeederSource. Die FeederTarget kubus het twee dimensies FeederTarget (met 'n enkele item genaamd Target) en Tyd (met N: vlak items vir elke maand en C: vlak items vir kwartaallikse konsolidasies Q1-10, Q2-10, ens) en die N: vlak items is almal wat gevul is met die waarde van die FeederSource kubus van 10. Figuur 17 'n Blik op 'n IBM Cognos TM1 teiken kubus insluitende waardes gelaai met behulp van 'n toevoerroete die rede waarom die kubus-tot-kubus feeders is meer kompleks is dat jy definieer die heers in die teiken kubus en die voerder in die bron kubus. In effek die bron kubus stuur die feeders die teiken kubus en die oppergesag in die teiken kubus is hulle ontvang. Die situasie word gekompliseer deur die feit dat die dimensie strukture in die bron en doel blokkies anders kan wees. Die volgende voorbeeld sal loop jy deur die proses stap vir stap: Stap 1 die oppergesag in die teiken kubus 'n Belangrike punt hier, wat ten volle isnt uitgelig in die voorbeeld te definieer, is dat die DB funksie parameter struktuur wat betrekking het op die dimensionele sal struktuur van die bron kubus egter die waardes wat jy voorsien in die parameter moet (die eerste parameter sal die kubus naam, die tweede die eerste dimensie in die bron kubus, die derde, die tweede dimensie in die bron kubus, ens wees) wees met betrekking tot die teiken kubus of 'n harde-gekodeerde waarde. Aangesien dit so 'n belangrike punt, sal ons dit illustreer met 'n sub-voorbeeld. Veronderstel jy het twee blokkies, Cube S en Cube T. beide identiese kubus strukture met identiese dimensies, maar die afmetings in elke kubus is 'n afskrif van die ander. Byvoorbeeld, die dimensies in Cube S is Produk S en Tyd S. Die dimensies in Cube T is Produk T en Tyd T. Die twee produk dimensies is identies en die twee keer dimensies is identies. Toe die reël sou wees: Let daarop dat die afmetings in die teiken kubus is vervang in die parameters van die DB funksie wat die struktuur van die bron kubus. Dit is 'n belangrike punt TM1 Ontwikkelaars het baie 'n uur spandeer staar na 'n reël om te probeer uitwerk hoekom dit Stap 2 wouldnt red definieer die voerder in die bron kubus 2010 Dit is nodig om hard-kode 'n waarde hier, want daar is geen tyd dimensie in die bron kubus. Deur harde kodering 'n opsomming element van die tydsdimensie, dit dwing die stelsel om al die N oppas vlak items van 2010. Let daarop dat indien die bron kubus het bevat die tydsdimensie, dan die voerder sal gebou word soos volg: Target dit is nodig om hard-kode die maatstaf, want daar is 'n ander maatstaf element naam in die bron en doel. Ons moet hard-kode dit om 'n element in die teiken maatreëls dimensie. Hier is die voerder vir ons sub-voorbeeld: die voerder hier gedefinieer as die omgekeerde van die reël. Let daarop dat die afmetings in die bron kubus is vervang in die parameters van die DB funksie wat die struktuur van die teiken kubus. Dit kan veroorsaak dat 'n paar kwessies en die volgende lys is saamgestel om die beste praktyke in die ontwerp kubus-tot-kubus feeders hoogtepunt As dieselfde dimensie in beide die teiken en 'n bron blokkies, eenvoudig DimensionName gebruik in daardie parameter. As jy verskillende dimensies, wat afskrifte van mekaar, dan moet jy DimensionNameInSource gebruik vir daardie parameter. As jy 'n dimensie in die teiken wat nie bestaan ​​nie in die bron, dan sal jy nodig het om hard-kode 'n opsomming item in die teiken dimensie. In die bogenoemde voorbeeld, ons hard-gekodeerde 2010. Dit beteken dat die stelsel outomaties alle kinders van 2010. Hierdie funksie moet met omsigtigheid gebruik word, aangesien dit kan lei tot oormatige voeding scenario en 'n lang bediener begin tye sal voed. As jy 'n dimensie in die bron wat nie bestaan ​​in die teiken, dan sal jy 'n item in die bron dimensie moet hard-kode. As jy wil 'n bepaalde element, dan net hard-kode in die parameter teiken. Byvoorbeeld, sal Inkomstediens net gerig op die inkomste meet. Jy kan die behoefte om dit te doen deur gebruik te maak van die dieselfde naam maatstaf in die bron en doel te verminder. Op dié manier kan jy net gebruik TargetMeasureDimName. Die feeders wat jy stuur uit die bron kubus moet die elemente in die teiken kubus te pas. Dit geld vir alle dimensies. Om hierdie punt te illustreer, kyk na die volgende voorbeeld. In voed 'n weeklikse kubus op 'n maandelikse kubus, het die weke nie in die maandelikse kubus, sodat niks het gevoed. Jy kan rondom hierdie kry deur die verandering van die voerder sodat die ouers van die week is verby in die voerder. Sedert die ouers van weke is maande en maande wat in die teiken kubus is, sal die wil feeders werk soos verwag. Cube-tot-kubus VOEDERAREAS vermyding Daar is geleenthede waar jy kan verhoed dat die definisie van die kubus-tot-kubus VOEDERAREAS as die teiken maatstaf gebruik word in 'n daaropvolgende berekening. In Figuur 18, Doel is die resultaat van 'n berekening kubus-tot-kubus, maar is ook verdere gebruik in die berekening TargetC. Die waarde vir C en Jan-10 is 20. Die berekende waarde van TargetC vir Jan-10 is 200 (Target het 'n waarde van 10 en C het 'n waarde van 20) Die IBM Cognos TM1 kubus laai waardes gebaseer op die volgende VOEDERAREAS formule: Jy kan die behoefte aan die kubus-tot-kubus VOEDERAREAS verwyder deur eenvoudig te voed C soos volg: Figuur 18 toon teiken kubus ontduiking van die behoefte aan 'n bron kubus VOEDERAREAS definisie deur eenvoudig die gebruik van die bron kubus waardes in 'n berekening en voeding wat berekening binne die teiken kubus voorwaardelike feeders Jy kan voorwaardelike feeders gebruik om te verminder of uit te skakel oor-voeding. Tipies jy sal 'n voorwaardelike VOEDERAREAS gebruik om 'n voorwaardelike reël vergesel. Om die punt te illustreer, kyk na die oor-voeding voorbeeld wat ons vroeër bespreek: Soos ons vantevore bespreek, is die stelsel ter waarde van B ignoreer wanneer dit die bou van die voerder. Jy kan voorwaardelike feeders bou soos volg om die probleem op te los: Let daarop dat ten einde voorwaardelik voed, wat jy nodig het om 'n DB funksie gebruik. In hierdie geval, het jy 'n IF-stelling in die parameter van die DB funksie wat die naam kubus verteenwoordig. Stuur die naam kubus vir selle wat jy wil om te voed en (nul) vir diegene wat jy hoef. In kyk na die kubus, ons sien nou dat ons nie te veel voeding hierdie berekening. Figuur 19 is 'n uitsig oor die OverFeeds kubus wat die resultate van Jan-10 en Q1-10 met die oor-voeding reggestel soos geïllustreer deur die waardes vir Q1-10 sonder enige waardes gelyk aan 2. Figuur 19 toon geen waardes gelyk 2 in die veld Q1-10 konsolidasie, wat beteken dat daar geen oorvoeding van die IBM Cognos TM1 kubus Hoe dikwels feeders vuur Volgens die vyf belangrike oorwegings betrokke te feeders, feeders van numeriese selle vuur net een keer en armes uit String selle vuur wanneer hul waarde veranderinge. Dit is belangrik wanneer 'n parameter word gebruik om die ligging van die berekende resultaat te bepaal. Om te illustreer hierdie punt Figuur 20 toon 'n IBM Cognos TM1 kubus met die waarde van 100 bereken by die kruising van Resultaat en Februarie-10 uitgelig: Figuur 20 'n IBM Cognos TM1 kubus beklemtoon die waarde 100 by die kruising van Resultaat en Februarie-10 Die reël word gedefinieer as: soos jy kan sien, is ons met behulp van Value tot gevolg te voed in 'n reël waar die parameter maand gebruik word om die korrekte maand vul in die tydsdimensie. As ons die parameter Maand verander deur die verandering van die veld aan die Maand / Jan-10 kruising van Februarie-10 tot Maart-10, dan is die sel is nie meer gevoed. Dit word geïllustreer in Figuur 21 waar Q1-10 nul in plaas van 100. Dit is omdat die feeders vir numeriese selle net een keer aan die brand. Die sel Resultaat vir Feb - 10 was aanvanklik gevoed, sodat Feb-10 is die enigste sel wat gevoer kan word. Die oplossing hiervoor is om die voerder verander na die volgende: Figuur 21 toon dat die voeding van die kubus met 'n numeriese waarde kan lei tot veranderinge nie behoorlik weerspieël Let daarop dat ons nou met behulp van maand in plaas van waarde vir die berekening voed en omdat Maand is 'n string, sal hierdie die voerder laat elke keer dat dit verander die brand. Die volgende siening van 'n IBM Cognos TM1 kubus toon die korrekte resultate vir Q1-10 100. Figuur 22 toon dat die voeding van die kubus met 'n string waarde sal so gou opgedateer resultate te vertoon as 'n data veld is verander Aanhoudende feeders Aanhoudende feeders is in bekendgestel IBM Cognos TM1 in weergawe 9.5.1. Die standaard waarde vir hierdie parameter is af, maar jy kan dit in staat stel om deur die gebruik van die parameter PersistingOfFEEDERS in die lêer TM1s. cfg. Om hardnekkige feeders in staat te stel en te verbeter herlaai tyd van blokkies met feeders by TM1 Server begin, stel die parameter PersistingOfFEEDERS ter waarde van T (ware) om die berekende feeders slaan 'n feeders lêer. Wanneer aanhoudende feeders in staat gestel word en die TM1 Server ontmoetings 'n aanhoudende VOEDERAREAS lêer, laai die gered feeders wat die tyd gewoonlik geneem om die feeders herbereken verminder. Feeders gered wanneer die data gestoor word of reëls geredigeer. Jy hoef nie uitdruklik red die feeders. Vir installasies met baie komplekse VOEDERAREAS berekeninge, volhard feeders en dan herlaai op bediener begin sal prestasie te verbeter. Vir eenvoudige feeders, kan die tyd wat dit neem om feeders van die skyf lees die tyd om weer te bereken die feeders oorskry, maar die meeste installasies sal baat. Dit is belangrik om bewus te wees dat die gebruik van aanhoudende feeders sal jou stelsel grootte net verhoog op die skyf. Geheue grootte is nie geraak word deur die gebruik van aanhoudende feeders. Jy moet versigtig wees by die ontwikkeling van toepassings met behulp van aanhoudende feeders. Soos vroeër genoem, die normale metode vir her-evaluering van die feeders is om die TM1 Server weer te begin. As jy egter het aanhoudende feeders geaktiveer is, sal jy eers moet 'n TM1 TurboIntegrator proses wat die volgende funksie in die Prolog loop: Dit sal VOEDERAREAS evaluering dwing op TM1 Server begin eerder as om net te lees van die aanhoudende VOEDERAREAS kas. Komplekse VOEDERAREAS Voorbeelde Die kompleks VOEDERAREAS artikel besonderhede 'n meer komplekse voorbeelde vir werklikheidsgetroue situasies. Lynitems Detail-tot-Opsomming Cube 'n Algemene model probleem, veral met begrotings en beplanning aansoeke, is om 'n lyn item detail kubus skakel na 'n opsomming kubus waar afmetings is pick-lyste ( 'n spesifieke lys van items soos produkte) in die bron kubus en werklike afmetings in die teiken kubus. Oorweeg die volgende insette kubus genoem LineItemSource, wat insluit Line punt, beskrywing, Tyd, Produk, en Bedrag soos in figuur 23. Figuur 23 toon die insette kubus LineItemSource Figuur 24 is 'n siening van die opsomming kubus LineItemTarget, wat die waardes waar konsolideer die bakkie lyste geword dimensies (dit wil sê tyd is nou kolomme en produk is nou rye). Dit kubus toon die detail lynitems asook opsomming waardes by die Total Produk vlak en die tyd kwartaallikse vlak. Figuur 24 Die LineItemTarget kubus vertoning met dimensies geskep uit die bakkie lyste in die LineItemSource kubus Aangesien dit nie moontlik is om hierdie tipe kubus struktuur model vir direk die oordrag van data vanaf LineItemSource om LineItemTarget, is dit nodig om te gaan deur middel van 'n intermediêre kubus genoem LineItemCalc . Die volgende is van mening die intermediêre kubus wat al die dimensies van beide blokkies punt, Produk en Tyd bevat. Figuur 25 Die intermediêre kubus LineItemCalc wat al die dimensies van beide LineItemSource en LineItemTarget Die byna korrek Reëls en armes bevat soos volg sal wees: Kom ons gaan deur middel van die reëls en armes een vir een en verduidelik. Eerstens, laat ons begin met die reël dat die bakkie lyste vat om afmetings in die LineItemCalc kubus: Die komponente van die reël is: Vet tjek om te sien of die naam element van die produk dimensie in die LineItemCalc kubus ooreenstem met die produk in die ingevoerde LineItemSource kubus. Let op die gebruik van as hulle is albei snare. Kursief tjek om te sien of die naam element van die tydsdimensie in die LineItemCalc kubus ooreenstem met die maand in die LineItemSource kubus ingegaan. Let op die gebruik van as hulle is albei snare. Vet Kursief Return die waarde van Bedrag van die LineItemSource Cube indien dit waar is. Niks doen nie as ONWAAR is. Nou, kom ons kyk na die verband VOEDERAREAS in die LineItemSource kubus. In kyk na 'n aanvanklike implementering ontwerp, is die voerder soos volg gedefinieer: In herinner aan 'n vorige punt in die artikel Cube-tot-Cube Reëls, indien daar 'n dimensie in die teiken kubus wat nie in die bron, in hierdie voorbeeld Produk en tyd, jy kan hard-kode 'n opsomming item in die toepaslike parameter soos in vetdruk hierbo. Terwyl dit sal werk dit dalk nie optimaal vir alle situasies soos data volumes negatief kan inwerk TM1 Server start-up tye. Bv. Jy moet ook rekening hou met die statistieke van die saak. Dit is deel van die spel. Hoe waar opsie handel te leer. bespreek. Beide die organisasies toelaat dat die finansiële diensverskaffers om binêre dienste opsies om die burgers van die Verenigde State van Amerika bied. Voorbeeld. Ons werk ook saam met Moneybookers en Neteller, wat elektroniese e-beursie dienste gemagtig en gereguleer word deur die Financial Optrede Owerheid bied. Algemene foute oningeligte binêre handelaars maak en hoe om dit te vermy. Gratis. Aanlyn handel kursus met kursusse. Binêre opsies seine handel voorstelle. gesamentlik het ons 'n neiging om vierkante meet trots om aan te kondig dat Binêre keuse meganisme ambagte op die eenvoudigste binêre keuses makelaars. Nie baie nie. Een van aanwysers is aan uiterste winste te maai. 2011 Metapro Forex is 'n Professionele Forex Trading Robot. Nie-statiese metode JRequest :: getVar () moet nie staties genoem, in die veronderstelling hierdie uit ipatible konteks homeforexambpublichtmlsalibrariesjoomlaenvironmentrequest. Ek het my ambagte gesien nadat ambagte getref stop verlies verlaat my handel rekeningsaldo kry geëet in die voorkant van my. Na wat jy sal in staat wees om die persoonlike konsultasie van die finansiële makelaars deskundige gratis hê. Reg. So, is 'n indeks beskou as 'n bate in sy eie en ondergaan al marktoestande wat daaraan gekoppel is. Diegene elke sekondes, dagvaar. Hierdie sagteware moet nie staatgemaak word as advies of vertolk word as die verskaffing van aanbevelings van enige aard. Leier habe ich auch einen fetten Rckschlag zu vermelden. Smiles, persoonlike boodskappe, groep geselsies, gebruiker. Digitale opsies is gewoonlik verhandel OTC (oor die toonbank) oor al die bates in die finansiële markte, maar moremonly gebruik binne die Forex en rente markte. Jou inligting is suksesvol gestuur om ons. Die handelaars kan dan plaas hulle eie bestellings of sales om voordeel te trek uit die daaropvolgende beweging in pryse. source. Ontwerp om die een wat forex en dag nie. Uur op program, ons CEO Kristian. Jy kan jouself vra hoekom sou 'n mens wil 'n hoër modellering kwaliteit vlak te bereik. Gratis besprekings by die Forex Forum mt5 Jy is 'n handelaar en wil om te ontspan. Tyd. Dit is 'n werklike forex stelsel. Net). En eers dan besluit - of om sy voorstel van 'n organisasie te bied. Vind die verskillende aanbevelings en maak jou keuse.